MétaCan
Menu
Retour à la cohorte
Enregistrement W2086635528 · doi:10.1109/whc.2013.6548493

Stability analysis of teleoperation systems under strictly passive and non-passive operator

2013· article· en· W2086635528 sur OpenAlexaff
Ali Jazayeri, Matthew Dyck, Mahdi Tavakoli

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueTeleoperation and Haptic Systems
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésTeleoperationPassivityControl theory (sociology)Operator (biology)Stability (learning theory)Port (circuit theory)Computer scienceNonlinear systemRobotic armSet (abstract data type)EngineeringRobotControl (management)Artificial intelligencePhysics

Résumé

récupéré en direct d'OpenAlex

A bilateral teleoperation system includes a human operator and an environment, which make the system stability analysis complicated due to their unknown, time-varying and nonlinear nature. Unable to have exact models for the human operator and the environment, it is typically assumed that they are passive but otherwise arbitrary. In this paper, through a set of experiments, first we show that a human operator's relaxed arm is strictly passive while voluntary motions of the human operator's arm involve non-passive characteristics. Then, we adjust the passivity assumption of the human operator's arm (by tightening it for an input-strictly-passive arm and relaxing it for a non-passive arm) in order to enable a more precise stability analysis of the teleoperation system. Inspired by Llewellyn's absolute stability criterion, a powerful stability analysis approach is developed to investigate the stability of a two-port network when it is coupled to an input-strictly-passive or a non-passive termination. Although this new stability criterion is applicable to any two-port network system, we apply it to a position-error-based bilateral teleoperation system as a case study.

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)0,002
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
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 Opus0,009
Tête enseignante GPT0,200
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 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
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

Citations23
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetTeleoperation and Haptic SystemsTravaux en français237 207