Real-time 3D Collision Avoidance Method for Safe Human and Robot Coexistence
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
A novel solution to the three-dimensional dynamic human-robot collision problem is presented. Sphere-based geometric models are used for the human and robot due to the efficiency of the distance computation. The collision avoidance algorithm searches for collision-free paths by moving the end-effector along a set of pre-defined search directions. An optimization method is employed to select the search direction that balances between the robot approaching its goal location, and maximizing the distances between the human and robot models. The optimization incorporates predictions of the motions of the robot and human to reduce the negative effects of a non-instantaneous robot time response. The robot prediction is based on a transfer function model of its experimental time response at the joint level. The human prediction is performed at the sphere level using the weighted mean of past velocities. Predicting at the sphere level eliminates the difficulty introduced by the limbs moving in different directions. After describing the collision avoidance algorithm, a human walking towards a moving Puma robot arm is simulated. Captured motion data is used to make the human motion realistic. Monte Carlo simulations using 1000 random human walking paths passing through the robot workspace are used to evaluate the algorithm. The algorithm prevented all collisions due to the robot. The algorithm is deterministic and efficient enough to be used in real-time. On a 1.8 GHz Pentium IV PC, a 40 Hz sampling rate was achieved
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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