MétaCan
Menu
Retour à la cohorte
Enregistrement W2101798901 · doi:10.1115/detc2010-28227

Trajectory Control for an Innovative Rapid Freeze Prototyping System

2010· article· en· W2101798901 sur OpenAlexaff
Eric Barnett, Jorge Angeles, Damiano Pasini, Pieter Sijpkes

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueRobotic Path Planning Algorithms
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésTrajectoryComputer scienceTrajectory optimizationScheme (mathematics)RobotSCARARapid prototypingControl systemControl engineeringProgramming by demonstrationControl logicControl (management)SimulationEngineeringProgramming languageArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

The subject of this paper is trajectory control for an Adept Cobra 600 robot, which has been retrofitted for additive ice construction. Since this application is quite different from typical SCARA applications, considerable development is needed for trajectory control and data flow. We first outline the trajectory control system requirements, as well as the limitations of the robot hardware. Different control options are proposed and their merits and demerits are discussed; the most suitable scheme is judged to be custom programming in Adept’s V+ programming language, with trajectories expressed in the Cobra 600 joint space. With this control scheme, all system requirements are met, data manipulation is most efficient, and the system is readily adaptable for planned modifications. A specific data format is needed in order to implement this control scheme; we describe how trajectory data produced with our part-slicing algorithm is converted to the format required for the V+ programs.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,985
Score d'incertitude au seuil0,503

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 savante0,0000,001
Science ouverte0,0010,000
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 Opus0,024
Tête enseignante GPT0,266
Écart entre enseignants0,243 · 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'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

Citations1
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetRobotic Path Planning AlgorithmsTravaux en français237 207