MétaCan
Menu
Retour à la cohorte
Enregistrement W3187500093 · doi:10.1109/tmrb.2021.3098124

A Novel Mechanism for Gravity-Balancing of Serial Robots With High-Dexterity Applications

2021· article· en· W3187500093 sur OpenAlexaff
Hamed Jamshidifar, Amir Khajepour, Tai Sun, Nathaniel Schmitz, Salman Jalali, Rares Topor-Gosman, Jenny Dong

Notice bibliographique

RevueIEEE Transactions on Medical Robotics and Bionics · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueRobotic Mechanisms and Dynamics
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésSerial manipulatorRobotActuatorMechanism (biology)KinematicsComputer scienceTorqueSerial communicationControl theory (sociology)LimitingSimulationBase (topology)Reduction (mathematics)Point (geometry)Control engineeringParallel manipulatorEngineeringControl (management)Artificial intelligenceMechanical engineeringComputer hardwareMathematics

Résumé

récupéré en direct d'OpenAlex

Counterbalancing mechanisms considerably reduce the size of actuators in serial robots. However, by limiting the joints' angles, imposing dead-point configurations, adding extra links, and attaching heavy/bulky balancing springs/counterweights, they sacrifice the dexterity of serial robots. Such limitations prevent serial robots from being implemented in significant robotic applications including biomedical robotic tasks. This paper proposes a novel cable-driven mechanism which addresses all of these limitations and simultaneously moves all actuators to the base. Via a kinematic and potential energy analysis, effectiveness of the proposed mechanism is proven. In order to experimentally evaluate the proposed approach, a fully-balanced four-link serial arm is fabricated and tested which shows 81.7% reduction in the average torque of the actuators. In order to provide maximum dexterity level with the minimum number of components in the proposed mechanism, an optimal design approach is proposed and studied. In this approach, the number of links to reach a desired target along a border-collision-free motion is minimized. Via different experimental and simulation examples, effectiveness of the proposed approach is demonstrated.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,240
Score d'incertitude au seuil0,527

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 Opus0,009
Tête enseignante GPT0,216
Écart entre enseignants0,207 · 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'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

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

En bref

Citations19
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Medical Robotics and BionicsMême sujetRobotic Mechanisms and DynamicsTravaux en français237 207