MétaCan
Menu
Retour à la cohorte
Enregistrement W2035058524 · doi:10.1109/have.2010.5623985

On texture perception in a haptic-enabled virtual environment

2010· article· en· W2035058524 sur OpenAlexaff
Roopkanwal Samra, David Wang, Mehrdad Zadeh

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineNeuroscience
ThématiqueTactile and Sensory Interactions
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésHaptic technologySurface finishComputer sciencePerceptionBrushActuatorVirtual realitySurface roughnessTactile displayTexture (cosmology)Computer visionArtificial intelligenceSimulationEngineeringMaterials scienceMechanical engineeringPsychology

Résumé

récupéré en direct d'OpenAlex

This paper reports the results of an experimental study on the perception of rough textures in virtual environments. The experiment is conducted with a haptic tactile actuator that provides sensations of rough textures directly to the fingertip of the users. It consists of a brush and a DC motor. The brush rubs directly against the user's fingertip. The speed and direction of the brush are varied to control the roughness of the virtual surface in an attempt to determine the effect of either variable on perceived roughness. The actuator is designed to be augmented with an existing force feedback device to create a package that provides both force feedback and tactile feedback. The aim of the experiment is to determine the magnitudes of rough textures that can be achieved through this device by comparing the virtual textures with real sandpapers of different grit sizes. The results show that although each subject's perception of roughness is biased using various sandpapers, the data is divided between two trends. One group of users perceives the roughness to increase with increasing speed while the other group perceives the roughness to decrease. Between both groups, the results do not show any significant effect of direction of rotation.

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)0,003
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,003
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)0,0030,000

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 Opus0,017
Tête enseignante GPT0,252
Écart entre enseignants0,235 · 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

Citations2
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetTactile and Sensory InteractionsTravaux en français237 207