MétaCan
Menu
Retour à la cohorte
Enregistrement W2185391101 · doi:10.1139/tcsme-2009-0049

PATH PLANNING FOR ROBOT-ASSISTED RAPID PROTOTYPING OF ICE STRUCTURES

2009· article· en· W2185391101 sur OpenAlexaffvenue
Alessandro Ossino, Eric Barnett, Jorge Angeles, Damiano Pasini, Pieter Sijpkes

Notice bibliographique

RevueTransactions of the Canadian Society for Mechanical Engineering · 2009
Typearticle
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing and 3D Printing Technologies
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésStereolithographyRapid prototypingIntersection (aeronautics)Path (computing)Computer scienceRobotMotion planningMATLABCADGeometryComputer graphics (images)Engineering drawingDevelopment (topology)AlgorithmComputational scienceArtificial intelligenceMechanical engineeringEngineeringMathematicsProgramming languageAerospace engineering

Résumé

récupéré en direct d'OpenAlex

The development of a path-planning algorithm for the robot-assisted rapid prototyping (RP) of ice structures is reported here. The algorithm, written in Matlab code, first imports a stereolithography (STL) file, which contains the geometry of the part to be built, and a text file containing other configuration parameters. The algorithm then finds intersection contours between evenly-spaced horizontal planes and the part; these contours define the boundaries of the areas to be filled for each layer. Each contour is then grouped with the other contours that define the same area. Subsequently, support structure contours are generated automatically from the part model; a support structure CAD model is not required. Then, part and support areas are filled by iteratively shrinking each outer contour until inner boundaries are reached.

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)0,001
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 enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,017
Tête enseignante GPT0,220
Écart entre enseignants0,203 · 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

Citations13
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTransactions of the Canadian Society for Mechanical EngineeringMême sujetAdditive Manufacturing and 3D Printing TechnologiesTravaux en français237 207