MétaCan
Menu
Retour à la cohorte
Enregistrement W2160004075 · doi:10.1177/02783640122067273

Global Planning for Dexterous Reorientation of Rigid Objects: Finger Tracking with Rolling and Sliding

2001· article· en· W2160004075 sur OpenAlexaff
Moëz Cherif, Kamal Gupta

Notice bibliographique

RevueThe International Journal of Robotics Research · 2001
Typearticle
Langueen
DomaineEngineering
ThématiqueRobot Manipulation and Learning
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésGRASPKinematicsComputer scienceMotion planningMotion (physics)Reduction (mathematics)TrajectoryConfiguration spaceTracking (education)Object (grammar)Space (punctuation)Computer visionArtificial intelligenceRegular polygonRobotMathematicsGeometry

Résumé

récupéré en direct d'OpenAlex

We address global motion planning for quasi-static reorientation of convex objects (polyhedral and smooth objects) with a four-fingertip grasp. We make use of a simple humanlike manipulation strategy in which a single finger is moved at each instant while the other three are maintained fixed (with regard to the palm)—an extended version of the original finger-tracking scheme of Rus. This new version es sentially incorporates frictional rolling and sliding at the fingertips and deals with the related contact kinematics and quasi-static mo tion/force prediction issues. Our contribution is twofold. First, we describe an analysis showing that this extended scheme is suitable for reducing the space of the object motions, thereby making motion planning easier and operating on a search space of low dimension. Our second contribution is a planner that exploits such a search space reduction and applies the extended finger tracking at the core of a multilevel hierarchical framework to search for global reorien tation trajectories. The planner has been implemented and used for achieving several nontrivial frictional reorientation tasks that show the capabilities and the promise of our approach.

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)0,001
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,445
Score d'incertitude au seuil0,202

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,108
Tête enseignante GPT0,396
Écart entre enseignants0,287 · 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'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

Citations20
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe International Journal of Robotics ResearchMême sujetRobot Manipulation and LearningTravaux en français237 207