MétaCan
Menu
Retour à la cohorte
Enregistrement W1964302760 · doi:10.1088/1748-3182/9/2/025009

Design principles for efficient, repeated jumpgliding

2014· article· en· W1964302760 sur OpenAlexaff
Alexis Lussier Desbiens, Morgan T. Pope, David L. Christensen, Elliot W. Hawkes, Mark R. Cutkosky

Notice bibliographique

RevueBioinspiration & Biomimetics · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueRobotic Locomotion and Control
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésTerrainJumperJumpingAerodynamicsSimulationRobotComputer scienceRange (aeronautics)Simple (philosophy)EngineeringAerospace engineeringArtificial intelligenceGeology

Résumé

récupéré en direct d'OpenAlex

Combined jumping and gliding locomotion, or 'jumpgliding', can be an efficient way for small robots or animals to travel over cluttered terrain. This paper presents functional requirements and models for a simple jumpglider which formalize the benefits and limitations of using aerodynamic surfaces to augment jumping ability. Analysis of the model gives insight into design choices and control strategies for higher performance and to accommodate special conditions such as a slippery launching surface. The model informs the design of a robotic platform that can perform repeated jumps using a carbon fiber spring and a pivoting wing. Experiments with two different versions of the platform agree with predictions from the model and demonstrate a significantly greater range, and lower cost-of-transport, than a comparable ballistic jumper.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,042
Tête enseignante GPT0,229
Écart entre enseignants0,187 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations71
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBioinspiration & BiomimeticsMême sujetRobotic Locomotion and ControlTravaux en français237 207