MétaCan
Menu
Retour à la cohorte
Enregistrement W2594264715

Haptic Simulation of Linear Elastic Media with Fluid Inclusions

2005· article· en· W2594264715 sur OpenAlexaff
Andrew H. Gosline, Septimiu E. Salcudean, J. Yan

Notice bibliographique

RevueResearchWorks at the University of Washington (University of Washington) · 2005
Typearticle
Langueen
DomaineEngineering
ThématiqueSoft Robotics and Applications
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésHaptic technologyFinite element methodMechanicsFluid–structure interactionHydrostatic equilibriumDeformation (meteorology)Matrix (chemical analysis)Computer scienceMaterials scienceSimulationPhysicsEngineeringStructural engineeringComposite material
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

We present a fast technique for simulating fluid-filled elastic objects with the Finite Element Method. By simulating the presence of fluid with hydrostatic fluid pressure, a quasi-static simulation of fluid can be achieved by applying a force boundary condition to the nodes on the fluid-elastic interface. Using a proportional feedback control algorithm, a relationship between the volume and pressure of the fluid structure can be maintained. Optimal parameters for the control algorithm are found by determining the response of the of the elastic system to changes in pressure. This approach has been shown to agree with experimental deformation data taken from a fluid-filled gelatin phantom. Combining linear FEM methods with matrix condensation techniques and the tuned proportional feedback control allows for the simulation of a fluid-filled elastic object at real time haptic update 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 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 enseignants0,064
Score d'incertitude au seuil0,712

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,001
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 Opus0,015
Tête enseignante GPT0,215
Écart entre enseignants0,200 · 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

Citations7
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearchWorks at the University of Washington (University of Washington)Même sujetSoft Robotics and ApplicationsTravaux en français237 207