MétaCan
Menu
Retour à la cohorte
Enregistrement W2155303642 · doi:10.1142/s0219843612500314

A SYSTEMATIC GAIT-PLANNING FRAMEWORK NEGOTIATING BIOMECHANICALLY MOTIVATED CHARACTERISTICS OF A PLANAR BIPEDAL ROBOT

2012· article· en· W2155303642 sur OpenAlexaff
Mansoor Alghooneh, Qiong Wu

Notice bibliographique

RevueInternational Journal of Humanoid Robotics · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueRobotic Locomotion and Control
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésKinematicsGaitComputer scienceEffect of gait parameters on energetic costRobotParametric statisticsSet (abstract data type)Control theory (sociology)Gait analysisArtificial intelligenceMathematicsPhysical medicine and rehabilitationPhysicsControl (management)

Résumé

récupéré en direct d'OpenAlex

Natural human walking possesses three characteristics: (i) gait repeatability, (ii) postural balance, and (iii) highly regulated centroidal angular momentum (CAM). In this paper, a systematic gait-planning framework is presented for the gait planning of a five-link bipedal robot, negotiating those three characteristics. The framework employs a set of task-space variables and a set of gait parameters. Five kinematic and dynamic objective functions are selected, corresponding to the biped's five degrees of freedom (DOFs), incorporating three characteristics. Fusing the equations of five objective functions together, two ordinary differential equations called the framework equations are derived. Assigning desired values to the gait parameters, the framework equations are integrated across the gait cycle, rendering the motion profiles of the task-space variables. A set of simulation results shows that the framework presents gait that successfully negotiates three characteristics. A parametric analysis is then carried out to study the effect of changing the gait parameters on the joint angular displacements and velocities, the postural balance, and the regulation of CAM of the bipedal 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)0,000
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,007

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 technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,014
Tête enseignante GPT0,255
Écart entre enseignants0,241 · 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

Citations3
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Humanoid RoboticsMême sujetRobotic Locomotion and ControlTravaux en français237 207