MétaCan
Menu
Retour à la cohorte
Enregistrement W2561047556 · doi:10.1109/tcns.2016.2644261

Robust Sampled-Data Bilateral Teleoperation: Single-Rate and Multirate Stabilization

2016· article· en· W2561047556 sur OpenAlexaff
Hossein Beikzadeh, Horacio J. Marquez

Notice bibliographique

RevueIEEE Transactions on Control of Network Systems · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueTeleoperation and Haptic Systems
Établissements canadiensBombardier (Canada)
Organismes subventionnairesnon disponible
Mots-clésTeleoperationControl theory (sociology)Sampling (signal processing)Stability (learning theory)Computer scienceController (irrigation)Bounded functionNonlinear systemDiscrete time and continuous timeNorm (philosophy)RobotChannel (broadcasting)Control engineeringMathematicsEngineeringControl (management)Artificial intelligence

Résumé

récupéré en direct d'OpenAlex

This paper investigates robust sampled-data control design strategies for nonlinear bilateral teleoperators exposed to communication constraints, using discrete-time approximate models of the master and slave robots and assuming both single-rate and multirate sampling. The single-rate design guarantees input-to-state stability of the (unknown) exact discrete-time model in a semiglobal practical sense, in spite of norm-bounded channel uncertainties. Then imposing different sampling rates on positions/velocities or torque inputs in each side of the system, a multirate scheme is proposed and shown to maintain similar stability properties under a well-known Nyquist frequency assumption on control torques. Simulation results verify the advantages of our direct sampled-data design. The example also shows that the multirate controller successfully stabilizes the teleoperation system even when the single-rate bilateral setup is ineffective in the presence of different sampling rates.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,049
Tête enseignante GPT0,212
Écart entre enseignants0,163 · 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

Citations17
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Control of Network SystemsMême sujetTeleoperation and Haptic SystemsTravaux en français237 207