MétaCan
Menu
Retour à la cohorte
Enregistrement W2138813076 · doi:10.2478/s13230-010-0012-2

A Streamlined Search Algorithm for Path Modifications of a Safe Robot Manipulator<sup>*</sup>

2010· article· en· W2138813076 sur OpenAlexafffund
Nima Najmaei, Mehrdad R. Kermani

Notice bibliographique

RevuePaladyn Journal of Behavioral Robotics · 2010
Typearticle
Langueen
DomaineComputer Science
ThématiqueRobotic Path Planning Algorithms
Établissements canadiensWestern University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMitacs
Mots-clésPath (computing)Motion planningFast pathAlgorithmRobotObstacleComputer scienceAny-angle path planningPath lengthObstacle avoidanceMathematical optimizationDimension (graph theory)Search algorithmMobile robotMathematicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Abstract In recent years, the interest in human-robot interactions has added a new dimension to the on-line path planning problem by requiring a method that guarantees a risk-free path. This paper presents a streamlined search algorithm for fast path modification. The algorithm is formulated as an optimization problem that evaluates alternative paths nearby each obstacle. Each path is evaluated based on the value of the danger assigned to that path. To reduce the size of the search space, the minimum number of via points necessary to alter the path is initially obtained using a geometrical method. Given the number of via points, the algorithm proceeds to locate the via points around the obstacle such that the resulting path through these via points satisfies all problem constraints. Obtaining a solution in this way renders a fast algorithm for path modification, while it better avoids problems often encountered in other gradient-based search algorithms. Case studies for two planar robots are provided to highlight some of the advantages of the proposed algorithm. Experimental results using a CRS-F3 robot manipulator validate the effectiveness of the algorithm for applications involving human-robot interactions.

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)0,001
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 enseignants0,003
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,054
Tête enseignante GPT0,324
Écart entre enseignants0,271 · 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

Citations2
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePaladyn Journal of Behavioral RoboticsMême sujetRobotic Path Planning AlgorithmsTravaux en français237 207