Energy-optimal relative timing of stance-leg push-off and swing-leg retraction in walking
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
SUMMARY Swing-leg retraction in walking is the slowing or reversal of the forward rotation of the swing leg at the end of the swing phase prior to ground contact. For retraction, a hip torque is often applied to the swing leg at about the same time as stance-leg push-off. Due to mechanical coupling, the push-off force affects leg swing, and hip torque affects the stance-leg extension. This coupling makes the energetic costs of retraction and push-off depend on their relative timing. Here, we find the energy-optimal relative timing of these actions. We first use a simplified walking model with non-regenerative actuators, a work-based energetic-cost, and impulsive actuations. Depending on whether the late-swing hip torque is retracting or extending (pushing the leg forward), we find that the optimum is obtained by applying the impulsive hip torque either following or prior to the impulsive push-off force, respectively. These trends extend to other bipedal models and to aperiodic gaits, and are independent of step lengths and walking speeds. In one simulation, the cost of a walking step is increased by 17.6% if retraction torque comes before push-off. To consider non-impulsive actuation and the cost of force production, we add a force-squared ( F 2 ) term to the work cost. We show that this cost promotes simultaneous push-off force and retracting torque, but does not change the result that any extending torque should come prior to push-off. A high-fidelity optimization of the Cornell Ranger robot is consistent with the swing-retraction trends from the models above.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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