MétaCan
Menu
Retour à la cohorte
Enregistrement W4283207733 · doi:10.1109/iemtronics55184.2022.9795804

Coordinated Motion and Force Control of Multi-Rover Robotics System with Mecanum Wheels

2022· article· en· W4283207733 sur OpenAlexaff
S. Kalaycioglu, A. de Ruiter

Notice bibliographique

Revue2022 IEEE International IOT, Electronics and Mechatronics Conference (IEMTRONICS) · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueControl and Dynamics of Mobile Robots
Établissements canadiensToronto Metropolitan UniversityUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésPayload (computing)Control theory (sociology)TorqueRoboticsTrajectoryContact forceComputer scienceHolonomicMotion controlRobotControl engineeringEngineeringArtificial intelligenceControl (management)Physics

Résumé

récupéré en direct d'OpenAlex

This paper presents a novel optimal control algorithm for coordinated force and motion control of multi rover robotics system with mecanum wheels while manipulating a common payload. Such a system with kinematical rolling conditions lead to non-holonomic constraints. The proposed control algorithm focuses on the minimization of joint torques, the rover-mecanum wheel moments as well as the contact force / moments made with the payload. A quadratic cost function in terms of the joint torques, the wheel moments and the contact forces and moments are minimized to overcome the so called joint torque saturation problem commonly seen while manipulating a common payload and also to provide an optimum solution for such an underdetermined system with non-holonomic constraints Furthermore, the proposed control algorithm provides an on-line trajectory generation capability while manipulating a common payload for both the rovers and the arms simultaneously. The computer simulation results show that the control algorithm works efficiently and the minimum joint torques, and the contact forces and moments can be obtained while the end-effectors are manipulating and tracking a desired payload trajectory.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,007
Tête enseignante GPT0,198
Écart entre enseignants0,191 · 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

Citations8
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2022 IEEE International IOT, Electronics and Mechatronics Conference (IEMTRONICS)Même sujetControl and Dynamics of Mobile RobotsTravaux en français237 207