EVALUATION OF MOTION MAPPINGS FROM A HAPTIC DEVICE TO AN INDUSTRIAL ROBOT FOR EFFECTIVE MASTER–SLAVE MANIPULATION
Notice bibliographique
Résumé
Master–slave systems with identical master and slave arms have been in vogue for many years now. With the advent of computerassisted master–slave manipulation technology, it is now convenient to use a small haptic device as a master, while a standard industrial robot serves as a slave. However, the challenge in this case is to select a suitable motion mapping from the haptic master to the slave robot. The problem is not trivial, as their degrees of freedom, workspace and inertia are all widely different. Various kinds of motion mapping have been suggested in the literature for a haptic master. We have devised a new mapping called boundary drift control. We present here the result of an experimental evaluation of the effectiveness of some of these mappings, including the one devised by us. A series of tests were conducted with a select group of operators to evaluate and compare the mappings in terms of efficiency and accuracy. Statistical significance of the observed data is established through ANOVA analysis. The role of skill, if any, in this evaluation is explored through another set of experiments. Qualitative feedbacks from the operators about ease of use of these mappings are also recorded. This study provides an insight into how to select a suitable motion mapping for a haptic master for a given job. We found that boundary drift control is well suited when both speed and accuracy are on demand.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».