MétaCan
Menu
Retour à la cohorte
Enregistrement W2017331141 · doi:10.7939/r3-2byv-3459

A passivity criterion for sampled-data bilateral teleoperation systems

2011· article· en· W2017331141 sur OpenAlexaff
Ali Jazayeri, Mahdi Tavakoli

Notice bibliographique

RevueUniversity of Alberta Library · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueTeleoperation and Haptic Systems
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésTeleoperationPassivityControl theory (sociology)RobotTeleroboticsStability (learning theory)Controller (irrigation)Control engineeringComputer scienceTransparency (behavior)SimulationEngineeringControl (management)Artificial intelligenceMobile robot

Résumé

récupéré en direct d'OpenAlex

In a bilateral teleoperation system, conditions involving open-loop model parameters and controller parameters for ensuring teleoperator passivity are useful as control design guidelines to attain maximum teleoperation transparency (due to passivity/transparency tradeoffs). By teleoperator, we mean the teleoperation system excluding the human operator and the remote environment. The rationale behind considering teleoperator passivity instead of teleoperation system stability is that, unlike the former, the latter is influenced by the dynamics of the human operator and the remote environment, which are typically uncertain, time-varying, and/or nonlinear. In this paper, a condition for the passivity of a teleoperator is found when the teleoperation controllers are implemented in the discrete-time domain. Such as new passivity analysis is necessary because discretization causes energy leaks and does not necessarily preserve passivity. We show that the passivity criterion for the sampled-data teleoperator imposes a lower bound on the robot damping and upper bounds on the control gains and the sampling time. The criterion has been verified through computer simulations as well as experimental tests involving a bilateral teleoperation system consisting of a pair of Phantom Omni robots.

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)0,002
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,002
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,037
Tête enseignante GPT0,186
Écart entre enseignants0,149 · 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'étudeThéorique ou conceptuel
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

Citations10
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUniversity of Alberta LibraryMême sujetTeleoperation and Haptic SystemsTravaux en français237 207