MétaCan
Menu
Retour à la cohorte
Enregistrement W2269562201 · doi:10.3390/machines4010005

Joint Mechanism That Mimics Elastic Characteristics in Human Running

2016· article· en· W2269562201 sur OpenAlexaff
Takuya Otani, Kenji Hashimoto, Takaya Isomichi, Masanori Sakaguchi, Yasuo Kawakami, Hun‐ok Lim, Atsuo Takanishi

Notice bibliographique

RevueMachines · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueRobotic Locomotion and Control
Établissements canadiensUniversity of Calgary
Organismes subventionnairesMinistry of Education, Culture, Sports, Science and Technology
Mots-clésTorsion springJoint stiffnessStiffnessLeaf springSpring (device)Joint (building)Mechanism (biology)Knee JointTorsion (gastropod)Structural engineeringElasticity (physics)Computer scienceMaterials scienceControl theory (sociology)EngineeringPhysicsAnatomyComposite materialArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Analysis of human running has revealed that the motion of the human leg can be modeled by a compression spring because the joints of the leg behave like a torsion spring in the stance phase. In this paper, we describe the development of a joint mechanism that mimics the elastic characteristics of the joints of the stance leg. The knee was equipped with a mechanism comprising two laminated leaf springs made of carbon fiber-reinforced plastic for adjusting the joint stiffness and a worm gear in order to achieve active movement. Using this mechanism, we were able to achieve joint stiffness mimicking that of a human knee joint that can be adjusted by varying the effective length of one of the laminated leaf springs. The equation proposed for calculating the joint stiffness considers the difference between the position of the fixed point of the leaf spring and the position of the rotational center of the joint. We evaluated the performance of the laminated leaf spring and the effectiveness of the proposed equation for joint stiffness. We were able to make a bipedal robot run with one leg using pelvic oscillation for storing energy produced by the resonance related to leg elasticity.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

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)0,0010,000

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 GPT0,206
Écart entre enseignants0,192 · 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

Citations12
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMachinesMême sujetRobotic Locomotion and ControlTravaux en français237 207