MétaCan
Menu
Retour à la cohorte
Enregistrement W4295093493 · doi:10.3389/fenrg.2022.1002761

Data and model hybrid-driven virtual reality robot operating system

2022· article· en· W4295093493 sur OpenAlexaff
Xinyu Liu, Yuexin Lin, Jiatong Han, Jinxin Liu, Tao Ku

Dossier post-publication

OpenAlex signale ce travail comme rétracté, mais aucune notice correspondante de Retraction Watch ne figure dans cette base.

Notice bibliographique

RevueFrontiers in Energy Research · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueVirtual Reality Applications and Impacts
Établissements canadiensCarleton University
Organismes subventionnairesNational Key Research and Development Program of China
Mots-clésTeleoperationRobotInverse kinematicsComputer scienceVirtual realityRobot controlController (irrigation)SimulationHuman–computer interactionArtificial intelligenceControl engineeringMobile robotEngineering

Résumé

récupéré en direct d'OpenAlex

To realize efficient remote human-computer interaction of robots, a robot remote operating system based on virtual reality and digital twin is proposed. The system builds a digital twin model based on the Unity 3D engine to establish a connection with the robot entity, assisting the online remote programming and real-time manipulation of the robot unit. The system uses HTC VIVE to build a virtual reality framework. To actualize the mutual drive between the real space and the virtual space, a mathematical model of the robot is constructed through the forward and inverse kinematics of the robot. Through the combination of eye-tracking-based eye movement interaction and the unique controller interaction of virtual reality system, a multi-sensory multi-input collaborative interaction method is accomplished. The method realizes the robot joints driving of users using multiple interaction methods simultaneously, simplifies the robot programming and control procedure, and optimizes the operation experience. Tests demonstrate that the system is capable of effectively providing monitoring, teleoperation and programming services for remote interaction of robots.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,121
Tête enseignante GPT0,361
Écart entre enseignants0,240 · 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'étudeSimulation ou modélisation
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

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Energy ResearchMême sujetVirtual Reality Applications and ImpactsTravaux en français237 207