MétaCan
Menu
Retour à la cohorte
Enregistrement W2003069630 · doi:10.1109/robot.2010.5509283

Characterization of the electrical resistance of carbon-black-filled silicone: Application to a flexible and stretchable robot skin

2010· article· en· W2003069630 sur OpenAlexaff
Marc-Antoine Lacasse, Vincent Duchaine, Clément Gosselin

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Sensor and Energy Harvesting Materials
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésSiliconeRobotElectrical conductorComputer scienceFabricationMaterials scienceCarbon blackElectrical resistivity and conductivityCharacterization (materials science)Function (biology)Mechanical engineeringComposite materialNanotechnologyArtificial intelligenceElectrical engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

Providing robots with the capability of sensing their surrounding environment is an important feature that would lead to a more intuitive and safe physical human-robot interaction. This paper proposes a new design of homogeneous flexible and stretchable robot skin based on carbon-black-filled (CBF) silicone and conductive fabric that can sense multiple contact locations as well as applied pressure. CBF silicone has been already used in sensing technology but its piezoresistivity is still largely misunderstood. This particular behavior is investigated in this paper through a set of experiments conducted on isolated sensing cells. Using the results of these experiments, a model describing the variation of the resistivity in the CBF silicone as a function of the applied pressure is proposed. Based on this model, a simple way to accurately estimate the applied pressure in real time is demonstrated. Finally, using this improved knowledge of the behaviour of the CBF silicone, the fabrication of a fully functional sensor array is presented. The proposed design has the particularity of circumventing the well-known problem of cross-talk between sensing cells.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,229

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 Opus0,004
Tête enseignante GPT0,198
Écart entre enseignants0,194 · 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'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

Citations66
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Sensor and Energy Harvesting MaterialsTravaux en français237 207