Performance Study of an Innovative Collaborative Robot Gripper Design on Different Fabric Pick and Place Scenarios
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
<div class="section abstract"><div class="htmlview paragraph">Light-weighting fiber composite materials introduced to reduce vehicle mass and known as innovative materials research activities since they provide high specific stiffness and strength compared to contemporary engineering materials. Nonetheless, there are issues related automation strategies and handling methods. Material handling of flexible textile/fiber components is a process bottleneck and it is currently being performed by setting up multi-stage manual operations for hand layups. Consequently, the long-term research objective is to develop semi-automated pick and place processes for flexible materials utilizing collaborative robots within the process. The immediate research is to experimentally validate innovatively designed grippers for efficient material pick and place tasks. Pick and place experiments on a 0/90 plain woven carbon fiber fabric with an innovative gripper design is tested using a YuMi 14000 ABB collaborative robot to validate the new-designed gripper enhanced performance on the slippage and material wrinkling based on the previous research [<span class="xref">20</span>] for two gripping forces, and two travel speeds. Also, different double arm pick and place scenarios are sought to achieve an acceptable approach through which fabric wrinkling and placement accuracy are improved. It is shown that using modified 2<sup>nd</sup> generation silicone gloves, material slippage is completely prevented. In addition, it is figured out that double arm pick and place scenarios performed on fabrics pre-folded 2cm in each side, represents the enhanced wrinkling and placing accuracy over all other scenarios examined.</div></div>
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.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle