MétaCan
Menu
Retour à la cohorte
Enregistrement W2526208047 · doi:10.1109/aim.2016.7576889

Gyroscopic forces for mechanical manipulators

2016· article· en· W2526208047 sur OpenAlexaff
Nan Wei, Soo Jeon

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueRobot Manipulation and Learning
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésControl theory (sociology)Inverse dynamicsKinematicsPath (computing)TrajectoryGyroscopeInverse kinematicsInverseComputer scienceConvergence (economics)Robot end effectorPhysicsMathematicsEngineeringClassical mechanicsControl (management)RobotArtificial intelligenceAerospace engineeringGeometry

Résumé

récupéré en direct d'OpenAlex

It has long been a challenge to control the end-effector trajectory of mechanical manipulators using only taskspace parameterization. While there exist some taskspace control strategies (such as the potential energy shaping) that guarantee the convergence of the end-effector to the target point without any inverse transformations, how to make the end-effector follow a desired path during the intermediate motion or to make it remain in certain subsets of taskspace, without resorting to inverse kinematics or inverse dynamics in one way or other, is still challenging. This paper studies the gyroscopic force as an auxiliary control action that can realize the desired motion profile of the end-effector without using any inverse transformations. Gyroscopic force is a specific type of force that does not affect the mechanical energy because its direction is always orthogonal to the velocity. This paper presents several ways to parameterize the artificial gyroscopic force with respect to the desired path profile of the end-effector as well as the desired velocity field that is often used as an indirect way to specify the target path. The formulated gyroscopic force is combined with the taskspace potential energy shaping control law to achieve the target tracking and the path following at the same time free from any inverse transformation. Simulation results are presented to validate the performance of proposed control strategies.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,955
Score d'incertitude au seuil0,531

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 Opus0,022
Tête enseignante GPT0,239
Écart entre enseignants0,217 · 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

Citations2
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetRobot Manipulation and LearningTravaux en français237 207