MétaCan
Menu
Retour à la cohorte
Enregistrement W3158519358 · doi:10.1080/17461391.2021.1923813

The need for a paradigm shift in the development of military exoskeletons

2021· article· en· W3158519358 sur OpenAlexaff
Kurt L. Mudie, Daniel C. Billing, Alessandro Garofolini, Thomas Karakolis, Michael E. LaFiandra

Notice bibliographique

RevueEuropean Journal of Sport Science · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueProsthetics and Rehabilitation Robotics
Établissements canadiensDefence Research and Development Canada
Organismes subventionnairesDefence Science and Technology Group
Mots-clésExoskeletonCombatantComputer scienceHuman–computer interactionTask (project management)Variety (cybernetics)EngineeringRisk analysis (engineering)SimulationSystems engineeringArtificial intelligenceBusiness

Résumé

récupéré en direct d'OpenAlex

An exoskeleton is a body-worn mechanical device designed to work in concert with the user to enhance human capabilities. For the dismounted close combatant, an exoskeleton could be worn whilst performing a variety of complex tasks and duties. As such, there is a requirement for the human and the exoskeleton to readily adapt to different movements in different contexts. There have been many attempts to design an exoskeleton to improve the performance of the complex adaptive human system with limited success. Despite a vast investment in time and resources, exoskeletons have not yet been adopted for operational use by military leadership for use by the dismounted close combatant as they are yet to demonstrate substantive augmentation to individual warfighter and collective team capability. We argue that a major limitation of current exoskeleton systems is their inability to concurrently adapt to the user, task and environment. Unless a device can meet this requirement, it is unlikely to offer a comparative benefit to the dismounted close combatant. This paper will present the state of the art of current exoskeleton technology, and recommend future research necessary to reach an acceptable standard of augmentation and thereby lead to widespread adoption.

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)0,018
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,094

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0180,012
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,004
Communication savante0,0050,012
Science ouverte0,0030,003
Intégrité de la recherche0,0060,008
Charge utile insuffisante (le modèle a refusé de juger)0,0070,003

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 Opus0,014
Tête enseignante GPT0,233
Écart entre enseignants0,218 · 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'étudeThéorique ou conceptuel
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

Citations33
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Journal of Sport ScienceMême sujetProsthetics and Rehabilitation RoboticsTravaux en français237 207