MétaCan
Menu
Retour à la cohorte
Enregistrement W2989739325 · doi:10.1371/journal.pcbi.1007444

An inelastic quadrupedal model discovers four-beat walking, two-beat running, and pseudo-elastic actuation as energetically optimal

2019· article· en· W2989739325 sur OpenAlexafffund
Delyle T. Polet, John E. A. Bertram

Notice bibliographique

RevuePLoS Computational Biology · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueRobotic Locomotion and Control
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésBeat (acoustics)QuadrupedalismHeart beatComputer sciencePhysicsAcousticsBiologyMedicineAnatomyInternal medicine

Résumé

récupéré en direct d'OpenAlex

It is widely held that quadrupeds choose steady gaits that minimize their energetic cost of transport, but it is difficult to explore the entire range of possible footfall sequences empirically. We present a simple model of a quadruped that can spontaneously produce any of the thousands of planar footfall sequences available to quadrupeds. The inelastic, planar model consists of two point masses connected with a rigid trunk on massless legs. It requires only center of mass position, hind and forelimb proportions and a stride-length to speed relationship as input. Through trajectory optimization of a work and force-rate cost, and a large sample of random initial guesses, we provide evidence for the global optimality of symmetrical four-beat walking at low speeds and two beat running (trotting) at intermediate speeds. Using input parameters based on measurements in dogs (Canis lupus familiaris), the model predicts the correct phase offset in walking and a realistic walk-trot transition speed. It also spontaneously reproduces the double-hump ground reaction force profile observed in walking, and the smooth single-hump profile observed in trotting. Actuation appears elastic, despite the model's lack of springs, suggesting that spring-like locomotory behaviour emerges as an optimal tradeoff between work minimization and force-rate penalties.

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)0,001
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,009
Tête enseignante GPT0,235
Écart entre enseignants0,225 · 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

Citations25
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePLoS Computational BiologyMême sujetRobotic Locomotion and ControlTravaux en français237 207