MétaCan
Menu
Retour à la cohorte
Enregistrement W2789207129 · doi:10.3390/app8010122

Transition Analysis and Its Application to Global Path Determination for a Biped Climbing Robot

2018· article· en· W2789207129 sur OpenAlexaff
Haifei Zhu, Shichao Gu, Li He, Yisheng Guan, Hong Zhang

Notice bibliographique

RevueApplied Sciences · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueRobotic Locomotion and Control
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNational Natural Science Foundation of China-Guangdong Joint FundNational Natural Science Foundation of China
Mots-clésReachabilityRobotComputer sciencePath (computing)TrussMotion planningClimbingControl theory (sociology)SimulationEngineeringArtificial intelligenceAlgorithmStructural engineeringControl (management)

Résumé

récupéré en direct d'OpenAlex

Biped climbing robots are considered good assistants and (or) substitutes for human workers carrying out high-rise truss-associated routine tasks. Flexible locomotion on three-dimensional complex trusses is a fundamental skill for these robots. In particular, the capability to transit from one structural member to another is paramount for switching objects to be climbed upon. In this paper, we study member-to-member transition and its utility in global path searching for biped climbing robots. To compute operational regions for transition, hierarchical inspection of safety, reachability, and accessibility of grips is taken into account. A novel global path rapid determination approach is subsequently proposed based on the transition analysis. This scheme is efficient for finding feasible routes with respect to the overall structural environment, which also benefits the subsequent grip and motion planning. Simulations are conducted with Climbot, our self-developed biped climbing robot, to verify the efficiency of the presented method. Results show that our proposed method is able to accurately determine the operational region for transition within tens of milliseconds and can obtain global paths within seconds in general.

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
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)0,0020,000

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 Opus0,011
Tête enseignante GPT0,253
Écart entre enseignants0,242 · 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

Citations16
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied SciencesMême sujetRobotic Locomotion and ControlTravaux en français237 207