MétaCan
Menu
Retour à la cohorte
Enregistrement W1968929449 · doi:10.1115/detc2013-12898

Traversability Analysis of a Novel One-DOF Robotic Leg

2013· article· en· W1968929449 sur OpenAlexaff
Lionel Birglen, Carlos Ruella

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueRobotic Locomotion and Control
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésTraverseComputer scienceRobustness (evolution)GeneralityRoboticsArtificial intelligenceActuatorRobotTerrainControl engineeringControl theory (sociology)EngineeringControl (management)

Résumé

récupéré en direct d'OpenAlex

In legged mobile robotics the most common approach is to design fully actuated legs with several degrees of freedom (DOF) in order to successfully navigate through rough terrains. However, simpler leg architectures with as few as one-DOF have been developed in the past to achieve the very same goal. The ability of these simpler legs to traverse uneven terrains is arguably limited with respect to multi-DOF designs, but in some applications the reduction of the DOF and hence, of the number of actuators, as well as the simplicity of the associated control could be a great advantage and the decisive argument. In this paper, the authors propose a novel one-DOF robotic leg that has been specially designed to achieve the greatest robustness possible with respect to the difficult terrains it has to traverse. In order to do that, a method to analyze and optimize any one-DOF robotic leg with respect to its ability to overcome obstacles is proposed here. This method is based on a simple and efficient novel technique to generate synthetic terrains combined with a simulation algorithm estimating the traversability of the particular one-DOF leg design under scrutiny. To illustrate the generality of the proposed method, it is used to design both an optimal leg with the architecture presented here for the first time and also, one with the most common one-DOF leg architecture found in the literature.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,839
Score d'incertitude au seuil0,998

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)0,0030,000

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 Opus0,016
Tête enseignante GPT0,202
Écart entre enseignants0,186 · 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.

Devis d'étudeSimulation ou modélisation
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

Citations1
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetRobotic Locomotion and ControlTravaux en français237 207