MétaCan
Menu
Retour à la cohorte
Enregistrement W1984461808 · doi:10.1109/72.950141

Neural-network control of mobile manipulators

2001· article· en· W1984461808 sur OpenAlexaff
Sheng Lin, A.A. Goldenberg

Notice bibliographique

RevueIEEE Transactions on Neural Networks · 2001
Typearticle
Langueen
DomaineEngineering
ThématiqueControl and Dynamics of Mobile Robots
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésControl theory (sociology)Artificial neural networkComputer scienceConvergence (economics)Controller (irrigation)EstimatorKinematicsMobile manipulatorMotion controlStability (learning theory)Bounded functionMobile robotTracking (education)Process (computing)Control engineeringArtificial intelligenceControl (management)RobotMathematicsEngineeringMachine learning

Résumé

récupéré en direct d'OpenAlex

In this paper, a neural network (NN)-based methodology is developed for the motion control of mobile manipulators subject to kinematic constraints. The dynamics of the mobile manipulator is assumed to be completely unknown, and is identified online by the NN estimators. No preliminary learning stage of NN weights is required. The controller is capable of disturbance-rejection in the presence of unmodeled bounded disturbances. The tracking stability of the closed-loop system, the convergence of the NN weight-updating process and boundedness of NN weight estimation errors are all guaranteed. Experimental tests on a 4-DOF manipulator arm illustrate that the proposed controller significantly improves the performance in comparison with conventional robust control.

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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,007
Tête enseignante GPT0,198
Écart entre enseignants0,192 · 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
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

Citations216
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Neural NetworksMême sujetControl and Dynamics of Mobile RobotsTravaux en français237 207