Design, Development and Calibration of a Lightweight, Compliant Six-Axis Optical Force/Torque Sensor
Notice bibliographique
Résumé
This paper introduces the fabrication of a six degree-of-freedom force and torque sensor based on fiber-optic sensing technology and its novel calibration methodology. The sensor is cost effective, lightweight, and flexible with a large force and torque measurement range suitable for biomechanics and rehabilitation systems particularly when a wearable sensing system is desired. Six fiber-optic sensing elements are used to detect three main forces Fx, Fy, and Fz, and three main torques Tx, Ty, and Tz. Sensor data were collected by applying dynamic forces and torques with various magnitudes, directions, and frequencies and compared with measurements obtained from a standard force and torque reference. The proposed calibration procedure is intended to reduce errors stemmed from a nonlinear force-deformation relationship and to increase the estimation speed by splitting the calibration into two estimation models: a linear model, based on a standard least squares method (LSM) to estimate the linear portion, and a nonlinear decision trees' model (DT) to estimate the residuals. Both the models work simultaneously as a single calibration system named least squares decision trees LSDT. Using LSDT, the estimation speed increased by 55.17%, and the root mean square errors (RMSEs) reduced to 0.53%. In comparison, each model separately had a RMSEs of 1.26% and 4.70% for the DT and the LSM, respectively.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».