MétaCan
Menu
Retour à la cohorte
Enregistrement W2165862167 · doi:10.1109/tro.2013.2292451

Dynamic Point-to-Point Trajectory Planning of a Two-DOF Cable-Suspended Parallel Robot

2014· article· en· W2165862167 sur OpenAlexafffund
Clément Gosselin, Simon Foucault

Notice bibliographique

RevueIEEE Transactions on Robotics · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueRobotic Mechanisms and Dynamics
Établissements canadiensUniversité Laval
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésWorkspaceTrajectoryDiscretizationPolynomialControl theory (sociology)Motion planningPoint (geometry)RobotSet (abstract data type)Computer scienceSequence (biology)Parallel manipulatorMathematicsArtificial intelligenceMathematical analysisGeometry

Résumé

récupéré en direct d'OpenAlex

This paper presents two trajectory-planning approaches for the point-to-point motion of planar two-degree-of-freedom (dof) cable-suspended parallel mechanisms. The proposed techniques can be used to plan trajectories that extend beyond the static workspace of the mechanism. Trajectories are specified as a list of target points that must be reached in sequence, with a zero velocity at each of the target points. In the first technnique, polynomial trajectories are designed to connect the target points, while the second approach uses trigonometric functions. Both techniques ensure continuity of the accelerations. Based on the dynamic model of the robot, algebraic inequalities are obtained that represent the constraints on cable tensions. These inequalities are used to determine the feasibility of the planned trajectories. Polynomial trajectories must be discretized in order to verify feasibility, while trajectories that are based on trigonometric functions can be verified globally, based on a set of simple algebraic equations. Example trajectories are given in order to illustrate the approach. An experimental validation is also presented using a two-dof prototype, and two video extensions are provided to demonstrate the results.

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 seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
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)0,0020,000

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 Opus0,013
Tête enseignante GPT0,237
Écart entre enseignants0,224 · 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

Citations96
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on RoboticsMême sujetRobotic Mechanisms and DynamicsTravaux en français237 207