MétaCan
Menu
Retour à la cohorte
Enregistrement W3124879962 · doi:10.1002/adma.202002534

New Frontiers in 3D Structural Sensing Robots

2021· review· en· W3124879962 sur OpenAlexaff
Manpreet Kaur, Tae‐Ho Kim, Woo Soo Kim

Notice bibliographique

RevueAdvanced Materials · 2021
Typereview
Langueen
DomaineEngineering
ThématiqueAdvanced Sensor and Energy Harvesting Materials
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésRobotRoboticsElectronicsArtificial intelligenceMerge (version control)Computer scienceFlexibility (engineering)Process (computing)3D printingSystems engineeringHuman–computer interactionEngineeringMechanical engineeringElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Advanced robotics is the result of various contributions from complex fields of science and engineering and has tremendous value in human society. Sensing robots are highly desirable in practical settings such as healthcare and manufacturing sectors through sensing activities from human-robot interaction. However, there are still ongoing research and technical challenges in the development of ideal sensing robot systems. The sensing robot should synergically merge sensors and robotics. Geometrical difficulty in the sensor positioning caused by the structural complexity of sensing robots and their corresponding processing have been the main challenges in the production of sensing robots. 3D electronics integrated into 3D objects prepared by the 3D printing process can be the potential solution for designing realistic sensing robot systems. 3D printing provides the advantage to manufacture complex 3D structures in electronics in a single setup, allowing the ease of design flexibility, and customized functions. Therefore, the platform of 3D sensing systems is investigated and their expansion into sensing robots is studied further. The progress toward sensing robots from 3D electronics integrated into 3D objects and the advanced material strategies, used to overcome the challenges, are discussed.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,973
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,000
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 GPT0,277
Écart entre enseignants0,256 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations55
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvanced MaterialsMême sujetAdvanced Sensor and Energy Harvesting MaterialsTravaux en français237 207