MétaCan
Menu
Retour à la cohorte
Enregistrement W2999161835 · doi:10.1109/lra.2020.2966411

<i>mROBerTO 2.0</i> – An Autonomous Millirobot With Enhanced Locomotion for Swarm Robotics

2020· article· en· W2999161835 sur OpenAlexafffundabout
Kasra Eshaghi, Yuchen Li, Zendai Kashino, Goldie Nejat, B. Benhabib

Notice bibliographique

RevueIEEE Robotics and Automation Letters · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueModular Robots and Swarm Intelligence
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésRobotRoboticsSwarm roboticsRobot locomotionComputer scienceStepperArtificial intelligenceSwarm behaviourMotion controlControl engineeringMotion (physics)Stepper motorMechanism (biology)Mobile robotRobot controlEngineering

Résumé

récupéré en direct d'OpenAlex

Numerous millirobots were developed in the past decade for autonomous swarm systems that aim to utilize large numbers of these units in space-constrained environments. However, the size limitation of these robots has often resulted in their reduced computational, sensing, and locomotion capabilities. mROBerTO (milli-ROBot-TOronto) was developed in response to such limitations. Despite its enhanced features, the reliable and repeatable locomotion of mROBerTO has still been of some concern due to lack of effective closed-loop motion control - as is the case with all other similar millirobots. In this letter, we present the next version of mROBerTO with a new locomotion mechanism that utilizes stepper motors, capable of micro-stepping down to 1/32 of a full step, to yield a millirobot with maneuvering capabilities superior to current similar-sized robots. mROBerTO 2.0 is novel in that it utilizes these stepper motors without relying on a separate processor for controlling them. This letter also presents a complementary new algorithm for efficiently converting desired trajectories into robot-motion commands. The proposed algorithm was developed to allow millirobots to execute complex trajectories reliably in an open-loop manner.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,016
Tête enseignante GPT0,214
Écart entre enseignants0,197 · 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'étudeExpérimental (laboratoire)
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

Citations14
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueIEEE Robotics and Automation LettersMême sujetModular Robots and Swarm IntelligenceTravaux en français237 207