Deformation Modeling of Compliant Robotic Fingers Grasping Soft Objects
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
Abstract In this paper, a model is shown to predict the simultaneous deformations occurring when compliant robotic fingers are grasping soft objects. This model aims at providing an accurate estimation of the penetration, internal forces, and deformed shapes of both these fingers and the objects. A particular emphasis is placed on the case when the finger is underactuated but the methodology discussed in this paper is general. Usually in the literature, underactuated fingers are modeled and designed considering their grasps of rigid object because of the complexity associated with deforming objects. This limitation severely hinders the usability of underactuated grippers and either restricts them to a narrow range of applications or requires extensive experimental testing. Furthermore, classical models of underactuated fingers in contact with objects are typically applicable with a maximum of one contact per phalanx only. The model proposed in this paper demonstrates a simple algorithm to compute a virtual subdivision of the phalanges which can be used to estimate the contact pressure arising when there are contacts at many locations simultaneously. This model also proposes a computationally efficient approximation of isotropic soft objects. Numerical simulations of the proposed model are compared here with dynamic simulations, finite element analyses, and experimental measurements which all shows its effectiveness and accuracy. Finally, the extension of the model to other types of underactuated fingers, standard grippers, and fully actuated robotic fingers as well as potential applications is discussed and illustrated.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 découle