MétaCan
Menu
Retour à la cohorte
Enregistrement W4220796196 · doi:10.20965/jaciii.2022.p0125

Synthesis and Prototyping of a 6-dof Parallel Robot for the Automatic Performance of Assembly Tasks

2022· article· en· W4220796196 sur OpenAlexfundno aff
Jérôme Landuré, Clément Gosselin, Thierry Laliberté, Muhammad E. Abdallah

Notice bibliographique

RevueJournal of Advanced Computational Intelligence and Intelligent Informatics · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueRobotic Mechanisms and Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaGeneral Motors of Canada
Mots-clésComputer scienceRobotWorkspaceRobot controlRobot calibrationJacobian matrix and determinantRobot kinematicsController (irrigation)KinematicsRobot end effectorCartesian coordinate robotControl engineeringArtificial intelligenceSimulationMobile robotEngineering

Résumé

récupéré en direct d'OpenAlex

This paper presents the development of a 6-dof parallel robot for the performance of assembly tasks in a human-robot collaborative environment. The architecture and design of the robot are selected such that the robot is mechanically backdrivable. Thereby, the robot can physically interact with an environment or with humans without requiring the use of a force/torque sensor, which is the main objective of this work. The architecture of the robot is first described and its kinematic model is established. The Jacobian matrices are derived and an algorithm is presented for the determination of its workspace. The force capabilities of the robot are then established based on a proposed formulation. A prototype of the robot is presented and control schemes are developed, including a controller based on a vision system. Finally, a video demonstrating the experimental validation of the robot accompanies this paper. The video qualitatively demonstrates the interaction capabilities of the robot.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

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 ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 GPT0,252
Écart entre enseignants0,232 · 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'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

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Advanced Computational Intelligence and Intelligent InformaticsMême sujetRobotic Mechanisms and DynamicsTravaux en français237 207