MétaCan
Menu
Retour à la cohorte
Enregistrement W2115906629 · doi:10.1109/robot.2009.5152664

Safe, Stable and Intuitive Control for Physical Human-Robot Interaction

2009· article· en· W2115906629 sur OpenAlexaff
Vincent Duchaine, Clément Gosselin

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueRobot Manipulation and Learning
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésControl theory (sociology)RobotAdmittanceStability (learning theory)Observer (physics)Human–robot interactionComputer scienceController (irrigation)Robot end effectorControl engineeringControl (management)Artificial intelligenceEngineering

Résumé

récupéré en direct d'OpenAlex

For physical human-robot interaction, safety and dependability are of utmost importance due to the potential risk a relatively powerful robot poses for human beings. From the control standpoint, it is possible to increase this level of safety by guaranteeing that the robot will never exhibit any unstable behaviour. However, stability is not the only concern in the design of a controller for such a robot. During human-robot interaction, the resulting cooperative motion should be truly intuitive and should not restrict in any way the human performance. For this purpose, we have designed a new variable admittance control law that guarantees the stability of the robot during constrained motion and also provides a very intuitive human interaction. The first characteristic is provided by the design of a stability observer while the other is based on a variable admittance control scheme that uses the force derivative as a way to predict human intention. The stability observer is based on a previous stability investigation of cooperative motion which implies the knowledge of the interaction stiffness. A method to accurately estimate this stiffness online using the data coming from the encoder and from a multi-axis force sensor at the end effector is also provided. The stability and intuitivity of the control law were verified in a user study during a cooperative drawing task with a 3 degree-of-freedom (dof) parallel robot.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,020
Tête enseignante GPT0,284
Écart entre enseignants0,264 · 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

Citations111
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetRobot Manipulation and LearningTravaux en français237 207