MétaCan
Menu
Retour à la cohorte
Enregistrement W2082551964 · doi:10.1115/1.2815334

Introduction of the Foot Placement Estimator: A Dynamic Measure of Balance for Bipedal Robotics

2007· article· en· W2082551964 sur OpenAlexaff
Derek Wight, Eric Kubica, David W. L. Wang

Notice bibliographique

RevueJournal of Computational and Nonlinear Dynamics · 2007
Typearticle
Langueen
DomaineEngineering
ThématiqueRobotic Locomotion and Control
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésEstimatorRoboticsGaitMeasure (data warehouse)Computer scienceControl theory (sociology)Stability (learning theory)Balance (ability)RobotExoskeletonDynamic balanceFocus (optics)Artificial intelligenceControl engineeringSimulationMathematicsEngineeringControl (management)Machine learningPhysical medicine and rehabilitation

Résumé

récupéré en direct d'OpenAlex

The goal of most bipedal robotics research is to develop methods of achieving a dynamically balanced gait. Most current approaches focus on maintaining the balance of the system. This paper introduces a measure called the foot placement estimator (FPE) to restore balance to an unbalanced system. We begin by developing a theoretical proof to define when a biped is stable, as well as defining the region in which stability results are valid. This forms the basis for the derivation of the FPE. The results of the FPE are then extended to a complete gait cycle using the combination of a state machine and simple linear controllers. This control system is applied to a detailed and realistic simulation based on a physical robot currently under construction. Utilizing the FPE as a measure of balance allows us to create dynamically balanced gait cycles in the presence of external disturbances, including gait initiation and termination, without any precalculated trajectories.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut 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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,002
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,005
Tête enseignante GPT0,226
Écart entre enseignants0,220 · 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'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations118
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Computational and Nonlinear DynamicsMême sujetRobotic Locomotion and ControlTravaux en français237 207