MétaCan
Menu
Retour à la cohorte
Enregistrement W2107323031 · doi:10.1109/tra.2003.810235

Kinematic feasibility analysis of 3-D multifingered grasps

2003· article· en· W2107323031 sur OpenAlexaff
Yisheng Guan, Hong Zhang

Notice bibliographique

RevueIEEE Transactions on Robotics and Automation · 2003
Typearticle
Langueen
DomaineEngineering
ThématiqueRobot Manipulation and Learning
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésGRASPKinematicsObject (grammar)Computer scienceProcess (computing)Set (abstract data type)Nonlinear systemMathematical optimizationSoftwareArtificial intelligenceMathematics

Résumé

récupéré en direct d'OpenAlex

Planning of a dextrous manipulation task for a multifingered hand requires the feasibility of all the grasps involved throughout the manipulation process. In this paper, we address the problem of determining whether a desired grasp of a polyhedral object is kinematically feasible. In our study, we define a grasp in terms of a system of contact pairs between the topological features of the hand and the object, and formulate the grasp feasibility analysis as a set of equality and inequality constraints in the variables of the hand and object configurations. The feasibility of a grasp then becomes equivalent to the simultaneous satisfaction of all the constraints. This allows us to cast the feasibility analysis conveniently as a constrained nonlinear optimization problem and solve it numerically with commercially available software. The effectiveness of our approach is illustrated with an example of grasping a cuboid using a three-fingered robotic hand.

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)0,002
score de la tête « metaresearch » (Gemma)0,006
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 enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
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 Opus0,027
Tête enseignante GPT0,250
Écart entre enseignants0,223 · 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
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Robotics and AutomationMême sujetRobot Manipulation and LearningTravaux en français237 207