MétaCan
Menu
Retour à la cohorte
Enregistrement W2144932267 · doi:10.5281/zenodo.1079462

Cable Tension Control And Analysis Of Reel Transparency For 6-Dof Haptic Foot Platform On A Cable-Driven Locomotion Interface

2009· article· en· W2144932267 sur OpenAlexaff
Martin J.-D. Otis, Thien-Ly Nguyen-Dang, Thierry Laliberté, Denis Ouellet, Denis Laurendeau, Clément Gosselin

Notice bibliographique

RevueConstellation (Université du Québec à Chicoutimi) · 2009
Typearticle
Langueen
DomaineEngineering
ThématiqueTeleoperation and Haptic Systems
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésHaptic technologyTransparency (behavior)Tension (geology)Interface (matter)Foot (prosody)ReelMechanical engineeringMaterials scienceEngineeringComputer scienceSimulationComposite material

Résumé

récupéré en direct d'OpenAlex

A Cable-Driven Locomotion Interface provides a low inertia haptic interface and is used as a way of enabling the user to walk and interact with virtual surfaces. These surfaces generate Cartesian wrenches which must be optimized for each motorized reel in order to reproduce a haptic sensation in both feet. However, the use of wrench control requires a measure of the cable tensions applied to the moving platform. The latter measure may be inaccurate if it is based on sensors located near the reel. Moreover, friction hysteresis from the reel moving parts needs to be compensated for with an evaluation of low angular velocity of the motor shaft. Also, the pose of the platform is not known precisely due to cable sagging and mechanical deformation. This paper presents a non-ideal motorized reel design with its corresponding control strategy that aims at overcoming the aforementioned issues. A transfert function of the reel based on frequency responses in function of cable tension and cable length is presented with an optimal adaptative PIDF controller. Finally, an hybrid position/tension control is discussed with an analysis of the stability for achieving a complete functionnality of the haptic platform.

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)0,000
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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)0,0020,000

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 Opus0,011
Tête enseignante GPT0,189
Écart entre enseignants0,178 · 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'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

Citations19
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueConstellation (Université du Québec à Chicoutimi)Même sujetTeleoperation and Haptic SystemsTravaux en français237 207