MétaCan
Menu
Retour à la cohorte
Enregistrement W2565738693 · doi:10.1109/iros.2016.7759469

On the gyroscopic force in mechanical manipulators and its artificial shaping for taskspace movement coordination

2016· article· en· W2565738693 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)Jacobian matrix and determinantGyroscopeComputer scienceClassical mechanicsMathematicsPhysicsEngineeringArtificial intelligenceControl (management)Applied mathematicsAerospace engineering

Résumé

récupéré en direct d'OpenAlex

In this paper, we try to draw attention to a particular type of force that has been somehow overlooked in the control of mechanical manipulators: gyroscopic force. At first, we broaden our understanding of gyroscopic effect intrinsic in mechanical systems by reformulating the Euler-Lagrange (EL) equation in terms of a gyroscopic part and the non-gyroscopic ones (or Rayleigh type). Then, we propose the use of artificial gyroscopic force to assist existing control laws. As a force that does not do any work, the gyroscopic force can be effectively used in combination with many existing control laws for mechanical systems without affecting their salient features such as the stability or the convergence to a target point. As a specific example, we look into the potential energy shaping parameterized by taskspace variables (also known as the Jacobian transpose method) as a base control law, and combine it with an artificial gyroscopic forcing term. We propose one specific way to design the gyroscopic force as a term quadratic in velocity that operates in reference to a desired velocity field shape (also parameterized in taskspace). The resulting control strategy enables us to shape the intermediate path profiles and thus realizes a taskspace control law that is free from any inverse transformations. We demonstrate the effectiveness of this method using simulation results with a three-link planar manipulator.

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: Empirique
Score de désaccord entre enseignants0,912
Score d'incertitude au seuil0,184

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 Opus0,052
Tête enseignante GPT0,261
Écart entre enseignants0,209 · 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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetRobot Manipulation and LearningTravaux en français237 207