Drive-train selection criteria for <i>n</i>-dof manipulators: basis for modular serial robots library
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 Towards planning a modular library for customized designs of serial manipulators, a trade-off is required between minimum modules inventory and maximum robotic applications to be handled. This paper focusses at the types of modules which are majorly based upon optimized payload capacity of the modular links. To find minimum types of modules in the modular library, an exercise has been performed on a large variety of robotic manipulators, with variations in degrees-of-freedom (dof) between 3 and 9 in number and that in payload capacity between 0 and 5 in kgs. Observing the pattern of the maximum-torque based drive-train selections for all the manipulators in consideration, three types of actuators are selected from a set of Maxon motor-gear assemblies. Subsequently, three types of modules are planned—Heavy (H), Medium (M) and Light (L). Challenge involved is the maximum load estimations for each joint involving variations due to large number of dof, various possible configurations and realistic weight estimation. This paper provides a general recursive framework for optimized drive-train, with one step as determination of maximum load estimation at a joint, and the second step as the selection of appropriate motor-gear assembly for the joint—providing an appropriate weight estimation for critical-configuration evaluation of the next link. The methodology is utilized for planning optimized number of modular divisions, for evaluating payload capacity of each division and possible modular combinations for given number of degrees-of-freedom.
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 | 0,001 |
| 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