MétaCan
Menu
Retour à la cohorte
Enregistrement W2008131304 · doi:10.4018/ijrat.2014010103

Mixed Autonomous/Teleoperation Control of Asymmetric Robotic Systems

2014· article· en· W2008131304 sur OpenAlexaff
Pawel Malysz, Shahin Sirouspour

Notice bibliographique

RevueInternational Journal of Robotics Applications and Technologies · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueTeleoperation and Haptic Systems
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésTeleoperationControl theory (sociology)Control engineeringRobotKinematicsController (irrigation)Control systemComputer scienceStability (learning theory)Haptic technologyControl (management)SimulationEngineeringArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

This paper presents a unified framework for system design and control in human-in-the-loop asymmetric robotic systems. It introduces a highly general teleoperation system configuration involving any number of operators, haptic interfaces, and robots with possibly different degrees of mobility. The proposed framework allows for mixed teleoperation/autonomous control of user-defined subtasks by establishing position/force tracking as well as kinematic constraints among relevant teleoperation control frames. The control strategy is hierarchical comprising of a high-level teleoperation coordinating controller and low-level joint velocity controllers. The approach utilizes idempotent, generalized pseudoinverse and weighting matrices in order to achieve new performance objectives that are defined for such asymmetric semi-autonomous teleoperation systems. Three layers of velocity-based autonomous control at different priority levels with respect to human teleoperation are integrated into the framework. A detailed analysis of system performance and stability is presented. Experimental results with a single-master/dual-slave system configuration demonstrate an application of the proposed system design and control strategy.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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 savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
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 Opus0,010
Tête enseignante GPT0,215
Écart entre enseignants0,205 · 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

Citations1
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Robotics Applications and TechnologiesMême sujetTeleoperation and Haptic SystemsTravaux en français237 207