MétaCan
Menu
Retour à la cohorte
Enregistrement W180524895 · doi:10.33774/miir-2022-vcbd2

Development of a Quaternion-based algorithm to process data in robotics applications

2022· preprint· en· W180524895 sur OpenAlexaff
David A. Edwards, Jacqueline Ashmore, Kishor D. Bhalerao, J Robert Buchanan, Jonathan Cass, Allen B. Downey, Joseph D. Fehribach, Elena Fertig, Jérôme Grand’Maison, Nebojsa Murisic, John Nangle, J. R. Ockendon, Joel Phillips, Filippo Posta, Christopher J. Raymond

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEngineering
ThématiqueInertial Sensor and Navigation
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésQuaternionOrientation (vector space)Reference frameFrame (networking)Euler anglesPosition (finance)Computer visionRotation (mathematics)Gravitational fieldProcess (computing)Artificial intelligenceComputer scienceRoboticsFrame of referenceFocus (optics)RobotGeometryPhysicsMathematicsClassical mechanics

Résumé

récupéré en direct d'OpenAlex

To implement automated control of a robot arm, it is critical to have an accurate description of the arm's position, orientation, and velocity in 3-space. Such a description can be facilitated with data about how the arm is aligned with the gravitational and magnetic fields of the Earth (the Earth frame). Using various sensors, TIAX can provide data on the orientation of the Earth's gravitational field with respect to the body frame of the robot arm, as well as the angular velocities of each axis making up the body frame. In this work, we focus on the transformation of this data from the body frame into the Earth frame. We examine the transformations in four different contexts: Euler angles, quaternions, rotations about a single axis, and transition matrices. We find that the contexts that do not rely upon angle definitions are superior. Unfortunately, consumers often demand the contexts that do.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,293
Score d'incertitude au seuil0,529

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,036
Tête enseignante GPT0,305
Écart entre enseignants0,269 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetInertial Sensor and NavigationTravaux en français237 207