MétaCan
Menu
Retour à la cohorte
Enregistrement W2767874052 · doi:10.21307/ijssis-2017-484

Monitoring the Postural Stability of Planar Bipedal Robots using the Moment-Height Stability Measure

2012· article· en· W2767874052 sur OpenAlexaff
Mansoor Alghooneh, Amir Takhmar, S. Ali A. Moosavian

Notice bibliographique

RevueInternational Journal on Smart Sensing and Intelligent Systems · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueRobotic Locomotion and Control
Établissements canadiensWestern UniversityUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésZero moment pointControl theory (sociology)RobotInstabilityStability (learning theory)Measure (data warehouse)Moment (physics)RoboticsCenter of pressure (fluid mechanics)Computer scienceElectronic stability controlSimulationPhysical medicine and rehabilitationArtificial intelligenceHumanoid robotEngineeringControl (management)PhysicsMechanicsMedicineClassical mechanics

Résumé

récupéré en direct d'OpenAlex

Abstract Robotics researchers have studied the stability maintenance requirements of bipedal robots since they are inherently unstable. An accurate postural stability measure is required to monitor their dynamic equilibrium conditions. In this article, the novel Moment-Height Stability (MHS) measure, which has previously been developed for monitoring the postural stability of wheeled mobile robots, is developed for that of bipedal robots. The performance of the MHS is evaluated with that of the well-known postural stability measure Zero-Moment Point (ZMP). The MHS and the ZMP are applied to two types of manoeuvres of a planar bipedal robot, consisting of standing up and swinging forward. Simulation results reveal that both the ZMP and the MHS predict the same instant for the occurrence of postural instability for the biped; the MHS warns the biped that the potential of postural instability amplifies once the overall height of the biped center of mass (CM) starts elevating, while the ZMP does so immediately before the occurrence of postural instability.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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 Opus0,057
Tête enseignante GPT0,268
Écart entre enseignants0,210 · 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'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

Citations2
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal on Smart Sensing and Intelligent SystemsMême sujetRobotic Locomotion and ControlTravaux en français237 207