MétaCan
Menu
Retour à la cohorte
Enregistrement W1972332889 · doi:10.1177/0278364905057856

Local Model of Interaction for Haptic Manipulation of Rigid Virtual Worlds

2005· article· en· W1972332889 sur OpenAlexaff
Daniela Constantinescu, Septimiu E. Salcudean, Elizabeth A. Croft

Notice bibliographique

RevueThe International Journal of Robotics Research · 2005
Typearticle
Langueen
DomaineEngineering
ThématiqueTeleoperation and Haptic Systems
Établissements canadiensUniversity of British ColumbiaUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésHaptic technologyComputer scienceVirtual machineContact forceKinesthetic learningHuman–computer interactionRigid bodySimulationPhysics

Résumé

récupéré en direct d'OpenAlex

In this paper we propose a local model of rigid body interaction that provides users with convincing kinesthetic feedback while they manipulate a virtual tool within a rigid multibody virtual world. The virtual tool can be a rigid object or a linkage. The local model can interface a haptic device to any virtual environment simulation that provides the contact position, the contact normal direction, and the penetration depth of the virtual tool into the virtual world at the virtual tool contacts. The local model includes a proxy of the virtual tool that embeds an approximation of its geometry and of its dynamics, and that eliminates force discontinuities at model updates via proxy deformation. In addition, the model includes active and predicted virtual tool contacts. Predicted contacts are used to maintain force continuity and to better constrain users to tight virtual spaces. Experiments performed within a planar virtual world demonstrate that, compared to prior local models of rigid body interaction, the proposed model enables users to feel stiffer contacts and improves users' perception of free space in locally cluttered virtual environments.

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)0,000
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,003
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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 Opus0,122
Tête enseignante GPT0,379
Écart entre enseignants0,257 · 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'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

Citations17
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe International Journal of Robotics ResearchMême sujetTeleoperation and Haptic SystemsTravaux en français237 207