MétaCan
Menu
Retour à la cohorte
Enregistrement W2144529183 · doi:10.1109/iros.2009.5354034

On the feasibility and suitability of MR and ER based actuators in human friendly manipulators

2009· article· en· W2144529183 sur OpenAlexaff
Alex S. Shafer, Mehrdad R. Kermani

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueProsthetics and Rehabilitation Robotics
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésActuatorRobotRoboticsInertiaControl engineeringComputer scienceTorqueServomechanismField (mathematics)ServomotorIntrinsic safetySet (abstract data type)MechatronicsArtificial intelligenceMechanical engineeringEngineeringMathematicsPhysics

Résumé

récupéré en direct d'OpenAlex

For several decades now, the robotics industry has postulated the emergence of a new breed of manipulators capable of safely interacting with humans. The integration of robots into human environments has always possessed a unique set of challenges. The primary concern has always been for the safety of the human coworkers. Insuring their safety has led to the desire to design manipulators with intrinsic safety characteristics. Specifically, it is noted that modern `human-safe' manipulators are successful if they have minimized both their weight and reflected actuator inertia. The leading research accomplishing this relies on complex actuation systems. Such systems commonly suffer from degraded performance and high cost of development. Magneto- and electro-rheological fluids are a class of smart-materials that can instantaneously, and reversibly alter their rheological properties under the influence of an applied field. Devices developed with such fluids are known to possess superior torque-to-inertia characteristics over conventional servo systems. Moreover, their simple mechanical construction suggests that manipulators using such devices could be developed at a lower cost. In this paper, we will discuss the potential benefits rheological fluids can bring to the field of human friendly manipulators.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,476
Score d'incertitude au seuil0,214

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 Opus0,018
Tête enseignante GPT0,248
Écart entre enseignants0,231 · 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'étudeObservationnel
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
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetProsthetics and Rehabilitation RoboticsTravaux en français237 207