MétaCan
Menu
Retour à la cohorte
Enregistrement W2735010709 · doi:10.1109/tro.2017.2719687

Magnetic Actuation for Full Dexterity Microrobotic Control Using Rotating Permanent Magnets

2017· article· en· W2735010709 sur OpenAlexafffund
Patrick M. Ryan, Eric Diller

Notice bibliographique

RevueIEEE Transactions on Robotics · 2017
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueMicro and Nano Robotics
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMagnetMicroscale chemistryMicrofluidicsControl systemMagnetic fieldControl theory (sociology)RoboticsComputer scienceControl engineeringRobotMechanical engineeringEngineeringElectrical engineeringPhysicsMaterials scienceArtificial intelligenceNanotechnologyControl (management)Mathematics

Résumé

récupéré en direct d'OpenAlex

Recent work in magnetically actuated microscale robots for biomedical or microfluidic applications has resulted in magnetic actuation systems that can remotely command precise five-degree-of-freedom control of magnetic devices. This paper presents a new type of actuation system, which uses an array of rotating permanent magnets to generate the same level of control over untethered microscale devices with the potential for increased field and gradient strength and minimal heat generation. In contrast with previous permanent-magnet actuation systems, the system proposed here does not require any hazardous translational motion of the control magnets, resulting in a simple, safe, and inexpensive system. The proof-of-concept prototype system presented, with eight permanent magnets, can create fields and field gradients in any direction with variable magnitudes between zero and 30 mT and 0.83 Tm-1, respectively. The effectiveness of the system is shown through characterization and feedback control of a 250-μm micromagnet in a 3-D path-following task with average accuracy of 25 μm. An optimization framework is presented for designing system configurations for targeted applications.

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 enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,026
Tête enseignante GPT0,279
Écart entre enseignants0,253 · 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

Citations164
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on RoboticsMême sujetMicro and Nano RoboticsTravaux en français237 207