MétaCan
Menu
Retour à la cohorte

Quick Motion Path Plan for Joint-Robot to Pick Tomato under Free-Obstacle

2012· article· en· W2090400788 sur OpenAlexaff
Jian Yin, Chun Xie, Chuan Yu Wu, S.Mittal Gauri, Simon X. Yang

Notice bibliographique

RevueApplied Mechanics and Materials · 2012
Typearticle
Langueen
DomaineComputer Science
ThématiqueRobotic Path Planning Algorithms
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésRobotKinematicsInverse kinematicsPath (computing)Point (geometry)Motion planningMotion (physics)ObstacleLinear motionJoint (building)Computer scienceRobotic armControl theory (sociology)EngineeringSimulationArtificial intelligenceMathematicsPhysicsStructural engineeringGeometry

Résumé

récupéré en direct d'OpenAlex

To improve the efficiency of picking the fruit, a kind of quick motion path plan method for fruit-picking robot under free-obstacle was proposed in this paper. Firstly, the method obtained a series of points along straight path at equal internal, and the gripper center was designed to pass thorough these points. Inverse kinematics formulas of the robot arm were used to solve joint angles of the robot arm when the gripper center will pass thorough each point. To make the robot arm guide the gripper to reach quickly the object point, the joint angles were optimized to determinate according to the principle of energy optimization. The test of picking tomato showed that the method can both reproduce the motion of the gripper along linear points at constant speed and keep the shortest motion path, which are benefit to grip the fruit steadily. The method has a low amount of calculation, better real-time and may provide a reference for joint robot to pick the fruit quickly.

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)0,001
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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,424
Score d'incertitude au seuil0,716

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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)0,0000,000

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 Opus0,036
Tête enseignante GPT0,244
Écart entre enseignants0,208 · 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'étudeThéorique ou conceptuel
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

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied Mechanics and MaterialsMême sujetRobotic Path Planning AlgorithmsTravaux en français237 207