MétaCan
Menu
Retour à la cohorte
Enregistrement W2782583282 · doi:10.1109/iris.2017.8250140

Stable grasping and object reorientation with a three-fingered robotic hand

2017· article· en· W2782583282 sur OpenAlexafffund
Vinicius Prado da Fonseca, Thiago Eustaquio Alves de Oliveira, Katerina Eyre, Emil M. Petriu

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueRobot Manipulation and Learning
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésGRASPRobotic handThumbGrippersOrientation (vector space)Object (grammar)Computer visionArtificial intelligenceComputer scienceRobot end effectorTrajectoryHaptic technologyController (irrigation)Fuzzy logicRobotEngineeringMathematicsMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Robotic hands able to conduct precision in-hand manipulation have become imperative for modern robotic systems. Compliant finger joints provide compliant grasping but the post-grasp orientation of an object varies. Under-actuated, robotic hands that are capable of grasping and reorienting objects are one step closer to human-like end-effectors. This paper presents a hand prototype with two under-actuated fingers embedded with tactile feedback and a fuzzy system to obtain a stable grasp, integrated to the gripper. One fully actuated robotic thumb with 3 degrees of freedom (DOF) is also presented. The integrated system evaluates tactile feedback, object orientation and thumb trajectory planning for in-hand manipulation tasks. The fuzzy logic controller was able to perform stable grasping while the tactile sensors fixed on the phalanges successfully detected the objects' changes in orientation. In conclusion the stable grasping was maintained during the object reorientation achieving the in-hand manipulation for the proposed task.

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: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

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 Opus0,024
Tête enseignante GPT0,236
Écart entre enseignants0,212 · 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

Citations10
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetRobot Manipulation and LearningTravaux en français237 207