MétaCan
Menu
Retour à la cohorte
Enregistrement W2143920784 · doi:10.1109/robot.2008.4543531

Investigation of human-robot interaction stability using Lyapunov theory

2008· article· en· W2143920784 sur OpenAlexaff
Vincent Duchaine, Clément Gosselin

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueMuscle activation and electromyography studies
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésControl theory (sociology)Lyapunov functionContext (archaeology)Impedance controlStability (learning theory)RobotComputer scienceHuman–robot interactionRepresentation (politics)Exponential stabilityArtificial intelligenceControl (management)Machine learningLawNonlinear system

Résumé

récupéré en direct d'OpenAlex

For human-robot cooperation in the context of human-augmentation tasks, the stability of the control model is of great concern due to the risk for the human safety represented by a powerful robot. This paper investigates stability conditions for impedance control in this cooperative context and where touch is used as the sense of interaction. The proposed analysis takes into account human arm and robot physical characteristics, which are first investigated. Then, a global system model including noise filtering and impedance control is defined in a state-space representation. From this representation, a Lyapunov function candidate has been successfully discovered. In addition to providing conclusions on the global asymptotic stability of the system, the relative simplicity of the resulting equation allows the derivation of general expressions for the critical values of impedance parameters. Such knowledge is of great interest in the context of design of new adaptive control laws or simply to serve as design guidelines for conventional impedance control. The accuracy of these results were verified in a user study involving 7 human subjects and a 3-dof parallel robot. In this experiment, the real effective stability frontier was defined for each subject and compared with values predicted using the Lyapunov function.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,189
Score d'incertitude au seuil0,253

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 Opus0,080
Tête enseignante GPT0,263
Écart entre enseignants0,183 · 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'étudeExpérimental (laboratoire)
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

Citations75
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMuscle activation and electromyography studiesTravaux en français237 207