MétaCan
Menu
Retour à la cohorte
Enregistrement W2000736405 · doi:10.1108/01439910510593965

Advances in tactile sensors design/manufacturing and its impact on robotics applications – a review

2005· review· en· W2000736405 sur OpenAlexaff
Javad Dargahi, Siamak Najarian

Notice bibliographique

RevueIndustrial Robot the international journal of robotics research and application · 2005
Typereview
Langueen
DomaineEngineering
ThématiqueAdvanced Sensor and Energy Harvesting Materials
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésRoboticsTactile sensorArtificial intelligenceRobotComputer scienceHuman–computer interactionEngineeringSystems engineeringManufacturing engineering

Résumé

récupéré en direct d'OpenAlex

Abstract Purpose – Reviews the benefits and potential application of tactile sensors for use with robots. Design/methodology/approach – Includes the most recent advances in both the design/manufacturing of various tactile sensors and their applications in different industries. Although these types of sensors have been adopted in a considerable number of areas, the applications such as, medical, agricultural/livestock and food, grippers/manipulators design, prosthetic, and environmental studies have gained more popularity and are presented in this paper. Findings – Robots can perform very useful and repetitive tasks in controlled environments. However, when the robots are required to handle the unstructured and changing environments, there is a need for more elaborate means to improve their performance. In this scenario, tactile sensors can play a major role. In the unstructured environments, the robots must be able to grasp objects (or tissues, in the case of medical robots) and move objects from one location to another. Originality/value – In this work, the emphasis was on the most interesting and fast developing areas of the tactile sensors applications, including, medical, agriculture and food, grippers and manipulators design, prosthetic, and environmental studies.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,960
Score d'incertitude au seuil0,873

Scores Codex et Gemma par catégorie

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

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 Opus0,148
Tête enseignante GPT0,430
Écart entre enseignants0,282 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations132
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIndustrial Robot the international journal of robotics research and applicationMême sujetAdvanced Sensor and Energy Harvesting MaterialsTravaux en français237 207