MétaCan
Menu
Retour à la cohorte
Enregistrement W4285504848 · doi:10.1109/lra.2022.3190830

Planar Magnetic Actuation for Soft and Rigid Robots Using a Scalable Electromagnet Array

2022· article· en· W4285504848 sur OpenAlexaff
Xiaosa Li, Chengyue Lu, Ziwu Song, Wenbo Ding, Xiao–Ping Zhang

Notice bibliographique

RevueIEEE Robotics and Automation Letters · 2022
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueMicro and Nano Robotics
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesTsinghua Shenzhen International Graduate School
Mots-clésElectromagnetElectromagnetic coilMagnetic fieldRobotWorkspaceActuatorMagnetMechanical engineeringPlanarComputer scienceMagnetismMaterials scienceAcousticsPhysicsElectrical engineeringEngineeringArtificial intelligenceCondensed matter physics

Résumé

récupéré en direct d'OpenAlex

Magnetic actuation system manipulates micro soft or rigid robots by a controllable magnetic field to move them freely in the narrow or enclosed space, which has demonstrated its huge potential in medical interventional surgery and drug delivery. However, the limited working space of paired or area-centered electromagnets restricts its practical applications. In this paper, we propose a convenient coils drive scheme for the scalable electromagnet array, and present an efficient planar magnetic actuation system with a spacious workspace. During the actuation process, our system activates selectively the effective electromagnets neighboring to the magnetic robot by coil selectors, and generates an alternating magnetic field with sufficient gradients to guide the robot's orientation and position. For the soft magnetic pipe, our system can push it to perform the continuous deflections around the stand columns on the plane. For the rigid magnetic cube, the designed magnetic-quadrupole structure allows it to receive various forces from different directions, and achieve a stable displacement in the heterogeneous magnetic field.

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 enseignants0,001
Score d'incertitude au seuil0,003

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 ouverte0,0000,000
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 Opus0,011
Tête enseignante GPT0,224
Écart entre enseignants0,213 · 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

Citations24
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Robotics and Automation LettersMême sujetMicro and Nano RoboticsTravaux en français237 207