MétaCan
Menu
Retour à la cohorte
Enregistrement W2914955664 · doi:10.4018/978-1-5225-5276-5.ch002

Design, Analysis, and Applications of Mobile Manipulators

2018· book-chapter· en· W2914955664 sur OpenAlexaff
Tao Song, Feng Xi, Shuai Guo

Notice bibliographique

RevueAdvances in computational intelligence and robotics book series · 2018
Typebook-chapter
Langueen
DomaineEngineering
ThématiqueRobotic Mechanisms and Dynamics
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésWrenchSlip (aerodynamics)Control theory (sociology)InertiaPayload (computing)KinematicsEngineeringJoint (building)SimulationComputer scienceControl engineeringStructural engineeringPhysicsAerospace engineeringArtificial intelligenceControl (management)Network packetClassical mechanics

Résumé

récupéré en direct d'OpenAlex

Presented in this chapter is a method for design and analysis of a mobile manipulator. The wrench induced by the movement of the robot arm will cause system tip-over or slip. In tip-over analysis, three cases are considered. The first case deals with the effect of the link weights and tip payload on the horizontal position of the CG. The second case deals with the effect of the joint speeds through the coupling terms including centrifugal forces and gyroscopic moments. The third case deals with the effect of the joint accelerations through the inertia forces and moments. In slip analysis, the first case considers the reaction force in relation to the stand-off distance between system and work-piece. The second and third cases investigate the effects of the joint speeds and accelerations. Then, the mobile platform is optimized to have maximum tip-over stability which optimizes the placement of the robot arm and accessory on the mobile platform. The effectiveness of the proposed method is demonstrated.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,015

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,014
Tête enseignante GPT0,250
Écart entre enseignants0,236 · 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'étudeSans objet
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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in computational intelligence and robotics book seriesMême sujetRobotic Mechanisms and DynamicsTravaux en français237 207