MétaCan
Menu
Retour à la cohorte
Enregistrement W2576398859 · doi:10.9746/sicetr.53.2

Teleoperation Assist System for All-terrain Mobile Manipulator in Narrow and Rough Environment

2017· article· en· W2576398859 sur OpenAlexaff
Takaomi KOMURA, Seiga Kiribayashi, Keiji Nagatani

Notice bibliographique

RevueTransactions of the Society of Instrument and Control Engineers · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueRobotics and Sensor-Based Localization
Établissements canadiensHatch (Canada)
Organismes subventionnairesnon disponible
Mots-clésTeleoperationTerrainTraverseComputer scienceMobile manipulatorUrban search and rescueSimulationFrame (networking)Rollover (web design)Real-time computingMobile robotRobotArtificial intelligenceTelecommunications

Résumé

récupéré en direct d'OpenAlex

In order to perform surveillance missions in case of natural/human-caused disasters, all-terrain mobile manipulators are useful tools for rescue crews' safety. It has a capability to traverse on rough terrain, and to handle objects with the mounted manipulator. For example, the mobile manipulator “Packbot” opened a door in Fukushima Daiichi Nuclear accident in 2011. However, it is well-known that it requires a lot of skill for its teleoperation, particularly in case of missions in narrow and rough terrain. Based on our ex-researches, we found the following issues: (1) According to the rough terrain, the pose of the manipulator is not fitted with the inertial frame of reference, and it prevents an intuitive teleoperation. (2) In narrow areas, the manipulator contacts with the environment because of the lack of environmental information. (3) Communication delay makes more difficult for teleoperation. To solve the above issues, in this research, we implemented a base-altitude synchronous type master-slave controller for the issue (1), teleoperation system with vision and 3D information for the issue (2), and anti-communication-delay-system with 3D point cloud information for the issue (3). To evaluate the above system, we conducted some experiments with non-skilled operators. In this paper, we describe the above system implementation, and report the experimental results to evaluate the above system.

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: Empirique
Score de désaccord entre enseignants0,452
Score d'incertitude au seuil0,292

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 Opus0,007
Tête enseignante GPT0,187
Écart entre enseignants0,179 · 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

Citations1
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransactions of the Society of Instrument and Control EngineersMême sujetRobotics and Sensor-Based LocalizationTravaux en français237 207