MétaCan
Menu
Retour à la cohorte
Enregistrement W2300650771 · doi:10.1115/detc2015-46626

Underactuated Finger Closing Motion Control Using Dual Drive Actuation

2015· article· en· W2300650771 sur OpenAlexaff
Jean-Michel Boucher, Lionel Birglen

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueRobot Manipulation and Learning
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésUnderactuationKinematicsActuatorClosing (real estate)Control theory (sociology)Computer scienceMechanism (biology)Motion (physics)Motion controlWork (physics)Control engineeringEngineeringArtificial intelligenceControl (management)RobotMechanical engineeringPhysics

Résumé

récupéré en direct d'OpenAlex

In this paper, a novel technique to prescribe and control the closing motion of a linkage-driven underactuated finger is presented. Since an underactuated, a.k.a self-adaptive, finger generally only has one actuator for a given number of degrees of freedom, its closing motion before making contact with an object is typically imposed by its mechanical design and cannot be changed once the finger is built. In the literature, several closing motions for underactuated fingers have been proposed each one having its own merits and in each case, associated to a particular mechanical layout. In this work, the authors propose a novel design of a partially compliant underactuated finger based on a dual drive actuation system where two motors, which can be used independently or in combination, move the finger. Each of these motors prescribes a different closing motion which has been selected amongst the most commonly found in the literature. In order to characterize the behavior and performances of this finger, a kinetostatic analysis is carried on and a lumped compliance model is developed. The geometry of the finger is then optimized using a genetic algorithm in order to achieve the desired kinematic motions.

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)0,000
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: aucune
Score de désaccord entre enseignants0,753
Score d'incertitude au seuil0,390

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,066
Tête enseignante GPT0,264
Écart entre enseignants0,199 · 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

Citations3
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetRobot Manipulation and LearningTravaux en français237 207