MétaCan
Menu
Retour à la cohorte
Enregistrement W2064319695 · doi:10.1109/haptics.2014.6775562

[D83] High-Fidelity Contact Rendering: Feel realistic forces from virtual objects!

2014· article· en· W2064319695 sur OpenAlexaffabout
Arash Mohtat, Colin Gallacher, József Kövecses

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueTeleoperation and Haptic Systems
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésHaptic technologyComputer scienceRendering (computer graphics)Dynamical billiardsContact forceVirtual realityVRMLHigh fidelityVirtual machineImpulse (physics)SimulationComputer graphics (images)FidelityHuman–computer interactionEngineering

Résumé

récupéré en direct d'OpenAlex

A haptic interface enables the user to interact with virtual environments, and sense virtual objects. The key to producing realistic feeling is to feed back a contact force that closely emulates its physical counterpart. In this demo, we demonstrate the application of the High-Fidelity Contact Rendering framework developed by our research group at McGill to a billiard haptic game. The classic one-dimensional spring-damper virtual coupling has been generalized to a 5-DoF force feedback virtual tool. This virtual tool (the cue) is formulated as a spatial viscoelastic beam element with energy-consistent force feedback, and couples the haptic device to the virtual objects (the billiard balls). The interaction between the cue and balls is described at the impulse level. Poisson's law for impacts with friction has been applied. The demo employs the W5D device by Entact Robotics, C++ S-functions based on the W5D API, Simulink Real-Time Workshop and the VRML Blockset.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,770
Score d'incertitude au seuil0,612

Scores Codex et Gemma par catégorie

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 ouverte0,0000,000
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 Opus0,011
Tête enseignante GPT0,201
Écart entre enseignants0,191 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetTeleoperation and Haptic SystemsTravaux en français237 207