MétaCan
Menu
Retour à la cohorte
Enregistrement W2110912067 · doi:10.1109/iros.2009.5354333

Dual-master teleoperation control of kinematically redundant robotic slave manipulators

2009· article· en· W2110912067 sur OpenAlexaff
Pawel Malysz, Shahin Sirouspour

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueTeleoperation and Haptic Systems
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésTeleoperationRedundancy (engineering)Master/slaveRobotComputer scienceControl theory (sociology)Robotic armTeleroboticsKinematicsControl engineeringArtificial intelligenceEngineeringControl (management)Mobile robot

Résumé

récupéré en direct d'OpenAlex

Kinematically redundant robotic manipulators (KRRM) can provide a great degree of flexibility for working in complex unstructured environments. Teleoperation control of KRRM requires a strategy to resolve the redundancy of the slave robot while achieving transparency in the task space. In this paper, a two-master control approach is proposed in which the first master transparently controls the redundant slave end-effector in the task space, denoted as the primary task. Meanwhile, a second master exploits the slave redundancy to perform a secondary task such as obstacle avoidance or internal position control. Kinematic redundancy is considered for the slave robot and the traditional autonomous null-space control approach is also accommodated. Teleoperation control is achieved in two steps. First, velocity-level redundancy resolution is attained through new joint-space Lyapunov-based adaptive motion/force controllers. Coordinating reference commands for the joint-space controllers are designed to give priority to the primary task and decoupling between the tasks is achieved without the use of a dynamically consistent pseudo-inverse. Experimental results with two identical planar two-degree-of-freedom master devices controlling a simulated four-degree-of-freedom redundant slave robot show the effectiveness of the approach.

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 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 enseignants0,795
Score d'incertitude au seuil0,420

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)0,0000,000

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 Opus0,013
Tête enseignante GPT0,205
Écart entre enseignants0,192 · 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
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

Citations24
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetTeleoperation and Haptic SystemsTravaux en français237 207