MétaCan
Menu
Retour à la cohorte
Enregistrement W2085107783 · doi:10.1109/iros.2012.6385679

Energy analysis of worm locomotion on flexible surface

2012· article· en· W2085107783 sur OpenAlexaff
David Zarrouk, Inna Sharf, Moshe Shoham

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueMicro and Nano Robotics
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésCrawlingRobotActuatorWork (physics)Energy (signal processing)Robot locomotionPower (physics)Control theory (sociology)Mechanical energySimulationComputer scienceEfficient energy useFunction (biology)Control engineeringEngineeringMechanical engineeringMobile robotControl (management)MathematicsPhysicsRobot controlArtificial intelligenceElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Recent attempts at designing untethered devices for locomotion inside compliant biological vessels, highlighted the requirements for energy efficiency for prolonged duration inside living bodies. Quite a number of studies considered the design and construction of crawling robots but very few focused on the interaction between the robots and the flexible environment. In previous studies, we derived the efficiency, defined as the actual advance divided by the optimal advance, of worm locomotion. In this paper, we analyze the force, minimum energy and power requirements for worm locomotion over flexible surfaces. More importantly, we determine the optimum conditions of locomotion as a function of the number of cells, friction coefficients, stroke length, energy recovery factor, and tangential compliance. Optimality is defined with respect to energy and power requirements. The analytical results are obtained by integrating the force over the actuator motion and alternatively by summing up the overall energy losses due to friction and elastic losses with the surface and the efficient work performed by the robot. The theoretical predictions are compared to numerical simulations modeling worm robots crawling over flexible surfaces and are found in perfect match.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,904
Score d'incertitude au seuil0,999

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)0,0020,000

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 Opus0,014
Tête enseignante GPT0,248
Écart entre enseignants0,234 · 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.

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
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMicro and Nano RoboticsTravaux en français237 207