MétaCan
Menu
Retour à la cohorte
Enregistrement W1978549926 · doi:10.1115/1.2098890

Recursive Kinematics and Inverse Dynamics for a Planar 3R Parallel Manipulator

2004· article· en· W1978549926 sur OpenAlexaff
Waseem A. Khan, Venkat Krovi, Subir Kumar Saha, Jorge Angeles

Notice bibliographique

RevueJournal of Dynamic Systems Measurement and Control · 2004
Typearticle
Langueen
DomaineEngineering
ThématiqueRobotic Mechanisms and Dynamics
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésModular designInverse kinematicsInverse dynamicsComputer scienceParallel manipulatorInverseKinematicsSelf-reconfiguring modular robotComputationPlanarOrthogonal complementFocus (optics)SimplicityTopology (electrical circuits)RobotAlgorithmControl theory (sociology)Theoretical computer scienceMathematicsArtificial intelligenceRobot controlMobile robotGeometryControl (management)

Résumé

récupéré en direct d'OpenAlex

Abstract We focus on the development of modular and recursive formulations for the inverse dynamics of parallel architecture manipulators in this paper. The modular formulation of mathematical models is attractive especially when existing sub-models may be assembled to create different topologies, e.g., cooperative robotic systems. Recursive algorithms are desirable from the viewpoint of simplicity and uniformity of computation. However, the prominent features of parallel architecture manipulators-the multiple closed kinematic loops, varying locations of actuation together with mixtures of active and passive joints-have traditionally hindered the formulation of modular and recursive algorithms. In this paper, the concept of the decoupled natural orthogonal complement (DeNOC) is combined with the spatial parallelism of the robots of interest to develop an inverse dynamics algorithm which is both recursive and modular. The various formulation stages in this process are highlighted using the illustrative example of a 3R Planar Parallel Manipulator.

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)0,000
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 enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

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 technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,015
Tête enseignante GPT0,196
Écart entre enseignants0,181 · 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

Citations46
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Dynamic Systems Measurement and ControlMême sujetRobotic Mechanisms and DynamicsTravaux en français237 207