MétaCan
Menu
Retour à la cohorte
Enregistrement W3094737593 · doi:10.1109/icma49215.2020.9233553

On Task-Specific Redundant Actuation of Spring-Assisted Modular and Reconfigurable Robot

2020· article· en· W3094737593 sur OpenAlexaff
Christopher Singh, Guangjun Liu

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueModular Robots and Swarm Intelligence
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésModular designRobotTask (project management)Computer scienceActuatorSpring (device)Mode (computer interface)Embedded systemControl engineeringComponent (thermodynamics)EngineeringSimulationArtificial intelligenceHuman–computer interactionSystems engineeringMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Modular and reconfigurable robots (MRRs) are unique and highly versatile for their self-innovation potential. Multiple working mode (MWM) on-line control adds potential by enabling each spring-assisted MRR (SA-MRR) joint module to switch independently between primary (motor-only) mode, and secondary, redundant actuation (spring-assisted) mode. In this work we proposed the spring-assisted mode as an on-board, physical innovation aid for uncertain, task-critical manipulation acts in uncontrolled environments. The spring-assisted mode is characterized by synergy of the spring and motor energy, and strengthens the SA-MRR by complementing the net actuation effort to help overcome task failure, to improve competency at ordinary tasks, and to enhance SA-MRR suitability as a tool for new tasks. Spring modules are fully reconfigurable offline through component swapping, and human-robot collaboration safety is considered. Task-specific, physical innovation with the SA-MRR was investigated by applying the spring-assisted mode directly to strenuous task segments in simulation case studies, demonstrating effectiveness of the proposed MWM approach.

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 enseignants0,001
Score d'incertitude au seuil0,004

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)0,0010,000

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 Opus0,030
Tête enseignante GPT0,204
Écart entre enseignants0,174 · 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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetModular Robots and Swarm IntelligenceTravaux en français237 207