MétaCan
Menu
Retour à la cohorte
Enregistrement W2886417522 · doi:10.1061/9780784479971.033

Towards Mobile 3D Printing for Planetary Construction

2016· article· en· W2886417522 sur OpenAlexaff
Shawn Bulger, Krzysztof Skonieczny

Notice bibliographique

RevueEarth and Space 2016 · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueModular Robots and Swarm Intelligence
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceAstrobiologyPhysics

Résumé

récupéré en direct d'OpenAlex

3D printing presents a new and exceptionally versatile class of construction tasks for robots to undertake using granular materials found in planetary terrains. For space applications, a printing head on a mobile robotic platform could free 3D printing from the constraints of a printer’s workspace, enabling arbitrarily large structures and objects to be built with small robots. Mobile 3D printing consists of building compound parts by looping over 3 high-level steps: (1) printing directly onto the ground surface (and directly onto pre-existing segments as well); (2) relocating from one static build location to the next; (3) accurately and precisely establishing the location of the relevant interface on a pre-existing segment of the printed object, relative to the current position of the robot after relocation. This work presents an approach to mobile 3D printing that addresses these required steps in significantly greater detail than the current literature. A Rostock Delta 3D printer configuration with fused filament extrusion printing is selected to enable direct printing onto the ground surface. Printing directly onto pre-existing segments is demonstrated with a series of thermoplastic parts. Preliminary experimental stress analysis does not reveal any obvious weaknesses at the seam of a compound part, when compared to a monolithic part. Localization techniques are proposed that utilize structured light surface sensing combined with laser range-finder triangulation to precisely measure the robot’s relative translations and rotations, respectively, between build locations.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,008
Tête enseignante GPT0,196
Écart entre enseignants0,188 · 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

Citations2
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEarth and Space 2016Même sujetModular Robots and Swarm IntelligenceTravaux en français237 207