MétaCan
Menu
Retour à la cohorte
Enregistrement W1992937093 · doi:10.1109/mra.2013.2283651

A Friendly Beast of Burden: A Human-Assistive Robot for Handling Large Payloads

2013· article· en· W1992937093 sur OpenAlexafffund
Clément Gosselin, Thierry Laliberté, Boris Mayer-St-Onge, Simon Foucault, Alexandre Campeau‐Lecours, Vincent Duchaine, Noemie Paradis, Dalong Gao, Roland Menassa

Notice bibliographique

RevueIEEE Robotics & Automation Magazine · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueRobot Manipulation and Learning
Établissements canadiensUniversité Laval
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaGeneral Motors of Canada
Mots-clésRobotActuatorTorqueEngineeringInterface (matter)Control engineeringRobot end effectorBackupTransmission (telecommunications)SimulationComputer scienceElectrical engineeringArtificial intelligenceMechanical engineering

Résumé

récupéré en direct d'OpenAlex

This article presents a novel robotic assistive device for the handling of large payloads. The design of the robot is based on the application of the following fundamental mechanical principles: inertia is minimized, a parallel closed-loop cable/belt routing system is used to kinematically decouple the transmission from fixed actuators and to the end-effector, and variable static balancing is used to minimize the actuation forces required for vertical motion. As a result, the device requires only low power, thereby improving safety, and can be operated manually, even in the event of a power failure (with minimum backup power for brake release). A novel force/torque sensor is also introduced along with a control algorithm based on variable admittance that provides a very intuitive interface for physical human-robot cooperation. Finally, a full-scale prototype integrating all of the above concepts is presented.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,020

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 technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0010,001
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 Opus0,016
Tête enseignante GPT0,256
Écart entre enseignants0,241 · 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

Citations59
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Robotics & Automation MagazineMême sujetRobot Manipulation and LearningTravaux en français237 207