MétaCan
Menu
Retour à la cohorte
Enregistrement W2662040437 · doi:10.1299/jsmermd.2013._2a2-i09_1

2A2-I09 Requirement-based Design of Motion Generation System for Dual-arm Robot Working Closely with Human(Robotics with Safety and Reliability)

2013· article· en· W2662040437 sur OpenAlexaff
Ryo Hanai, Hajime Saito, H. Suzuki, Keiju Anada, Kiyoshi Fujiwara, Geoffrey Biggs, Takuya Ogure, Daichi Mizuguchi, Kohtaro Ohba

Notice bibliographique

RevueThe Proceedings of JSME annual Conference on Robotics and Mechatronics (Robomec) · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueRobotics and Automated Systems
Établissements canadiensCanadian Association of Thoracic Surgeons
Organismes subventionnairesnon disponible
Mots-clésArtifact (error)RoboticsDual (grammatical number)Artificial intelligenceReliability (semiconductor)Computer scienceRobotProcess (computing)Domain (mathematical analysis)Relation (database)Motion (physics)SoftwareControl engineeringHuman–computer interactionEngineeringMathematicsData mining

Résumé

récupéré en direct d'OpenAlex

Requirement-based design is expected to be employed more broadly in robot systems in relation to functional safety. To apply this method to a problem, however, we need know-how obtained through experience and trials and errors to adapt the method to the target domain. This means we can learn a lot from similar examples like reference implemetations in software development. This motivated us to design a motion generation system of a dual-arm robot that work closely with humans as a model case. This paper presents this process together with some of the artifact models.

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)0,002
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: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0130,004

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 Opus0,031
Tête enseignante GPT0,219
Écart entre enseignants0,189 · 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
GenreMéthodes

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
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Proceedings of JSME annual Conference on Robotics and Mechatronics (Robomec)Même sujetRobotics and Automated SystemsTravaux en français237 207