Notice bibliographique
Résumé
Beaucoup de techniques ont été développées pour l'analyse et l'étude des systèmes mécaniques. Puisque la modélisation des interactions entre les roues et le sol est essentielle pour la modélisation du comportement des robots mobiles, les travaux portant sur des systèmes fixes ne sont pas a priori applicables aux robots mobiles. Cette thèse porte sur des concepts importants pour l'analyse de robots mobiles. Les premières évaluations des techniques actuelles de simulation numériques ont montré que, si elles pouvaient modéliser précisément des robots mobiles, elles ne pouvaient souvent que simuler la dynamique et étaient insuffisantes pour des analyses plus poussées. Les recherches ont ensuite montré que les modèles utilisant la dynamique des sols étaient les mieux adaptés pour la modélisation des interactions entre les roues et le sol. Après avoir étudié plusieurs concepts utilisés pour caractériser la mobilité, deux nouvelles mesures ont été proposées (la force maximale nette de traction, et le potentiel d'accélération) qui se sont révélés utiles pour fournir en temps réel des indications sur les capacités d'un robot mobile. Une nouvelle méthode a été proposée pour l'analyse de la matrice des masses d'un système mécanique ainsi que quatre concepts apportant des renseignements sur les masses effectives et le couplage dynamique d'un mécanisme: l'inertie effective verrouillée, le couplage de forces, l'inertie effective libre, et le couplage de l'accélération. Enfin, la formulation de l'espace opérationnel, qui est principalement utilisé dans le domaine des manipulateurs, a été étudié et étendu au domaine de la robotique mobile. Il a été constaté l'utilité de représentations appropriées et spécifiques de l'espace opérationnel pour le contrôle et l'estimation du mouvement de robots mobiles.
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 | 0,001 |
| 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 ».