MétaCan
Menu
Retour à la cohorte
Enregistrement W2002308110 · doi:10.1017/s0263574700003155

An adaptive locating problem for robotic grasping

2001· article· en· W2002308110 sur OpenAlexaff
Vladimir T. Portman, Leonid I. Slutski, Yael Edan

Notice bibliographique

RevueRobotica · 2001
Typearticle
Langueen
DomaineEngineering
ThématiqueRobot Manipulation and Learning
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésGrippersProcess (computing)Computer scienceArtificial intelligenceClass (philosophy)Mechanism (biology)Position (finance)Control engineeringEngineeringMechanical engineering

Résumé

récupéré en direct d'OpenAlex

The paper addresses a problem of “in-hand” locating parts of different shapes in robotic grasping. The goal of the process is to locate a part of an arbitrary shape from an imprecisely determined initial position within a gripper to a final prescribed one. Two possible approaches to solve the problem are considered: non-adaptive, using ordinary rigid jaws of gripper and, adaptive, using an adaptive jaw which improves the performance of the locating process. The latter approach is proposed to be solved by a new type of grasping mechanism. Its theoretical analysis enables to obtain formal conditions for part behavior during the successive steps of the locating process. This process was simulated and then experimentally investigated on an actual gripper model. The proposed new class of mechanisms opens a promising avenue to the creation of a practical class of universal robotic grippers for industry.

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)0,000
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,944
Score d'incertitude au seuil0,640

Scores Codex et Gemma par catégorie

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,032
Tête enseignante GPT0,260
Écart entre enseignants0,228 · 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'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

Citations0
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRoboticaMême sujetRobot Manipulation and LearningTravaux en français237 207