MétaCan
Menu
Retour à la cohorte
Enregistrement W2790303497 · doi:10.1162/pres_a_00293

FPAA-Based Control of Bilateral Teleoperation Systems for Enhanced User Task Performance

2017· article· en· W2790303497 sur OpenAlexaff
Ting Yang, Junfeng Hu, Wei Geng, Yili Fu, Mahdi Tavakoli

Notice bibliographique

RevuePRESENCE Virtual and Augmented Reality · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueTeleoperation and Haptic Systems
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésTeleoperationController (irrigation)Task (project management)Computer scienceField-programmable analog arrayStability (learning theory)Control theory (sociology)Control engineeringControl (management)SimulationEngineeringComputer hardwareArtificial intelligenceAnalog signal

Résumé

récupéré en direct d'OpenAlex

In a bilateral teleoperation system, discrete-time implementation of the controller can cause performance degradation. This is due to a well-known stability-imposed upper bound on the product of the discrete-time controller's gain and the sampling period. In this article, for a bilateral teleoperation system, a continuous-time controller based on a Field Programmable Analog Array (FPAA) is deployed and compared in terms of performance with its discrete-time counterpart. Experimental results show that, unlike the discrete-time controller, the FPAA-based controller helps the human user complete teleoperation tasks that require high controller gains such as when a large impedance needs to be displayed against the user's hand. Also, an experimental object stiffness discrimination study shows that large sampling periods, necessitating low control gains for maintaining stability, lead to unacceptable task performance by the user; however, the users show an improved ability to discriminate the various objects if the teleoperation controller is implemented using an FPAA.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

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
Bibliométrie0,0000,000
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)0,0020,000

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 Opus0,019
Tête enseignante GPT0,249
Écart entre enseignants0,229 · 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

Citations1
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePRESENCE Virtual and Augmented RealityMême sujetTeleoperation and Haptic SystemsTravaux en français237 207