MétaCan
Menu
Retour à la cohorte
Enregistrement W2586716914 · doi:10.1109/tmech.2017.2663322

A Soft-Touch Gripper for Grasping Delicate Objects

2017· article· en· W2586716914 sur OpenAlexafffund
Jeffrey Krahn, Francesco Fabbro, Carlo Menon

Notice bibliographique

RevueIEEE/ASME Transactions on Mechatronics · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueSoft Robotics and Applications
Établissements canadiensSimon Fraser UniversityUniversity of the Fraser Valley
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésGRASPObject (grammar)Volume (thermodynamics)Soft materialsGrippersComputer sciencePower (physics)Mechanical engineeringMaterials scienceComputer visionEngineeringArtificial intelligenceNanotechnologyPhysics

Résumé

récupéré en direct d'OpenAlex

The design of a soft-touch gripper is presented. This gripper consumes less than 60 W of power during grasp or release motions, is self-contained, inherently gentle, and can grasp delicate objects such as fruits or vegetables. The soft-touch gripper utilizes a variable-volume chamber sealed by a thin flexible latex membrane and relies on both friction between the membrane and the object being grasped, and a pressure differential between atmospheric pressure and the volume of trapped air sealed between the membrane and the object being grasped. A simplified analytical model, which can be used to estimate the grip strength of the soft-touch gripper, is developed and experimentally validated.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,264
Écart entre enseignants0,238 · 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'étudeExpérimental (laboratoire)
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

Citations80
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE/ASME Transactions on MechatronicsMême sujetSoft Robotics and ApplicationsTravaux en français237 207