MétaCan
Menu
Retour à la cohorte
Enregistrement W2801009918 · doi:10.1139/tcsme-2017-0020

Feedforward control for underactuated bipedal walking on varying compliant slopes

2018· article· en· W2801009918 sur OpenAlexvenueno aff
Daojin Yao, Siyu He, Yao Wu, Xiaohui Xiao, Yang Wang

Notice bibliographique

RevueTransactions of the Canadian Society for Mechanical Engineering · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueRobotic Locomotion and Control
Établissements canadiensnon disponible
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésUnderactuationControl theory (sociology)Feed forwardKinematicsBipedalismDamperController (irrigation)Computer scienceGaitStability (learning theory)RobotEngineeringControl engineeringControl (management)PhysicsArtificial intelligenceGeology

Résumé

récupéré en direct d'OpenAlex

In this paper, a feedforward control strategy is proposed to enable stable underactuated bipedal walking on varying compliant slopes with a known inclination angle, to handle the variation in natural environments. First, spring–damper units were employed in the horizontal and vertical directions to model the compliant ground, which is described as a rigid kinematic chain coupled with a spring–damper system. Second, a new definition of stable underactuated bipedal walking, based on walking speed, was proposed. Stable walking is achieved by adjusting the velocity of the biped’s center of mass (CoM) within limits that have been proven to allow at least one walking cycle. The proposed feedforward control strategy was based on the motion state of a robot’s CoM, using the new definition of stability and inspired by the gait characteristics of human walking on varying slopes. Speed control is realized by adjusting the displacement of the CoM with the change of slope to achieve stable walking. Finally, simulations were conducted to validate the proposed controller. The simulation results demonstrate that stable walking is achieved on varying compliant slopes by implementing the proposed control strategy.

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 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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,987
Score d'incertitude au seuil0,663

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
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 Opus0,014
Tête enseignante GPT0,212
Écart entre enseignants0,198 · 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 tête enseignante, 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
GenreMéthodes

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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransactions of the Canadian Society for Mechanical EngineeringMême sujetRobotic Locomotion and ControlTravaux en français237 207