MétaCan
Menu
Retour à la cohorte
Enregistrement W2056494969 · doi:10.3917/sm.090.0087

Walking gait of a planar bipedal robot with four-bar knees

2015· article· en· W2056494969 sur OpenAlexaff
Arnaud Hamon, Yannick Aoustin

Notice bibliographique

RevueMovement & Sport Sciences - Science & Motricité · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueMuscle activation and electromyography studies
Établissements canadiensRobotiq (Canada)
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPhilosophy

Résumé

récupéré en direct d'OpenAlex

La conception d’une articulation de genou est un problème majeur en robotique et en biomécanique pour augmenter la compatibilité entre les prothèses et les mouvements de l’homme ainsi que pour améliorer les performances des robots bipèdes. Nous proposons une nouvelle conception pour l’articulation du genou d’un robot bipède. Cette articulation a une structure parallèle à 4-barres. L’avantage de cette structure est de produire une translation du centre de rotation instantanée de l’articulation du genou, similaire à celui de l’articulation du genou humain. Nous proposons d’étudier les performances énergétiques au cours d’un mouvement de marche pour un robot bipède équipé de cette articulation à l’aide d’un critère sthénique. Cette marche est une succession de phases de double appui et de simple appui séparées par des impacts impulsionnels. Durant la phase de double appui, les deux pieds sont en rotation. Elle se termine lors du contact à plat du pied avant et du décollement du pied arrière. La phase de simple appui se termine lors du contact du talon pied en balancement sur le sol. Un problème d’optimisation paramétrique est utilisé afin de générer ces mouvements de marche cyclique. La contribution principale de cet article est de montrer l’influence des phases de double appui lors d’une marche cyclique pour cette nouvelle conception de robot.

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: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,015

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 savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,028
Tête enseignante GPT0,236
Écart entre enseignants0,208 · 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
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMovement & Sport Sciences - Science & MotricitéMême sujetMuscle activation and electromyography studiesTravaux en français237 207