MétaCan
Menu
Retour à la cohorte
Enregistrement W2793379827 · doi:10.1109/tro.2017.2776318

Online Identification of Environment Hunt–Crossley Models Using Polynomial Linearization

2018· article· en· W2793379827 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueIEEE Transactions on Robotics · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueHydraulic and Pneumatic Systems
Établissements canadiensQueen's University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésLinearizationParameterized complexitySystem identificationRobustness (evolution)Nonlinear systemPolynomialEstimation theoryControl theory (sociology)Feedback linearizationLogarithmComputer sciencePolynomial and rational function modelingRobotAlgorithmMathematicsApplied mathematicsData modelingArtificial intelligenceMathematical analysisControl (management)

Résumé

récupéré en direct d'OpenAlex

Online environment dynamic estimates are often used for the control of robots, telerobots, and haptic systems. The nonlinear Hunt-Crossley (HC) model, which is physically consistent with the behavior of soft objects with limited deformation at a single point of contact, is being increasingly used in robotic control systems. The HC model can be identified online using a single-stage log linearization technique; however, the accuracy and applicability of the existing method is limited. We propose a two-stage polynomial identification method, which uses a quadratic approximation in the first stage to generate a linearly parameterized model of the HC dynamics (Quad-Poly). The coefficients of the Quad-Poly model are then used in the second stage to extract the HC parameters using a lookup table and recursive least squares parameter estimation. The proposed method is experimentally assessed against a previous natural logarithm linearization method, and further tested for time-varying environment dynamics and human-generated trajectories and for robustness against uncertainties in the measured data and system parameters.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,931
Score d'incertitude au seuil0,530

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,032
Tête enseignante GPT0,242
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