MétaCan
Menu
Retour à la cohorte
Enregistrement W3107070394 · doi:10.1109/ccece47787.2020.9255828

Hand Gesture-Based Control of a Front-End Loader

2020· article· en· W3107070394 sur OpenAlexaff
Johann von Tiesenhausen, Unal Artan, Joshua A. Marshall, Qingguo Li

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueHand Gesture Recognition Systems
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésLoaderGestureWired glovePayload (computing)Inertial measurement unitComputer scienceProcess (computing)Interface (matter)Frame (networking)Front and back endsGesture recognitionAccelerometerEngineeringEmbedded systemSimulationArtificial intelligenceOperating system

Résumé

récupéré en direct d'OpenAlex

In this paper, we present the design and use of an instrumented glove consisting of a 9-DOF inertial measurement unit (IMU) and resistive flex sensors. The glove is used as a unique human-machine interface to control a Kubota R520s front-end loader, through input gestures, for the excavation of a fragmented rock pile. Raw sensor data from the glove is recorded and transmitted to a computer for gesture recognition. Recognized gestures are then used to command the loader to switch between dig states and control the excavation process. The system allows an operator to observe the entire process from beside the loader, providing them with valuable information about interactions between the loader bucket and rock pile not usually available when seated in the vehicle's cab. Preliminary experiments show that a novice operator was able to improve their performance by using the proposed system, evaluated based on metrics of total and dig completion times, as well as payload.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,988
Score d'incertitude au seuil0,305

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,020
Tête enseignante GPT0,219
Écart entre enseignants0,198 · 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 tête enseignante, 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

Citations6
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHand Gesture Recognition SystemsTravaux en français237 207