Self-contained measurement of dynamic legged locomotion: design for robot and field environments
Notice bibliographique
Résumé
Currently there is no robotic solution that surpasses the grace, capabilities, and speed of mammalian legged locomotion. Underlying an ability to analyze and synthesizes this motion is the challenge of efficiently overcoming the discontinuous dynamics, without constraining the agility, of dynamic legged locomotion. Recent strides in biology and robotics have shed new light on the governing principles underlying this motion. The dynamics are central to modeling and driving the legged motion. Consideration of these principles has lead to the research and design of the Kinetically Ordered Locomotion Tetrapod (KOLT) galloping robot. This research recasts galloping in an engineering framework and defines a simple gait classification method based energy phases. This framework is also used to define the gallop using a hybrid model consisting of flight phase, single-contact, and double-contact. This research leverages theory in sensor design and estimation to develop an integrated hybrid estimation method based on the eight-step model. This was tested via laboratory experiments on KOLT and demonstrated in the field using a Labrador retriever. This results of this work show improved motion estimation by combining kinetic state models with inertial measurements and measurement aids (such as: visual or range data). The major contributions of this research program are three-fold: (1) the discovery of new theories/methods to relate different, but related, sensor measurements to gain a more certain state estimate; (2) the integration of these methods into a field robust hardware package and, (3) the demonstration of collection and analysis of biomechanical data in field. The matter of how a robot (or animal) reacts over terrain is deceptively simple, i.e., it thrusts and the rest is governed by Newton's laws of motion. Modeling this in detail however, still remains a significant challenge. By providing a robust estimate of the motion and its dynamics, the methods presented in this thesis move one step closer towards the great promise of fielded dynamic legged locomotion.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».