Real-world demonstration of sensor-based robotic automation in oil & gas facilities
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In this paper, a nonlinear signal-processing scheme is developed for robotic systems that exploits a joint state-parameter formulation for simultaneous recursive estimation of the states (e.g. joint angles and rates) and uncertain parameters (e.g. inertial and friction parameters), out of noisy measurements (e.g. joint angles). Unscented Kalman filtering was employed to overcome restrictions such as linearity in the parameters and the need for availability of joint velocities and accelerations (present in linear recursive least square methods), and the linearization problems associated with extended Kalman filtering. Owing to the unscented transform concept which requires only input-output evaluations of the dynamic model, a more general and modular implementation is realizable. This allows for the utilization of computational modeling tools without the requirement of symbolically manipulating or deriving the equations of motion. Also, the recursive nature of the scheme allows for both offline processing and online implementation. The practical performance of the proposed scheme was verified through an experiment involving a five-bar linkage based haptic device configured to render a virtual box. The torque pair commands generated by the haptic controller to render the virtual box and the encoder angular measurements acquired through the experiment were processed twice in two different input-output directions: once, for state-parameter estimation of the robot; and, another time for identification of supposedly unknown environmental parameters. Results demonstrate successfulness of the scheme for recursive state-parameter estimation of the robot and the environment, as well as promising applicability in online settings.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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