Editorial: Haptic training simulation, volume II
Notice bibliographique
Résumé
Haptic training simulation, volume IIHaptic training simulation (Lelevé et al., 2020) usually deals with kinesthetic feedback.This second edition explores complementary approaches in the medical domain (as in He et al. (2022) specifically for tissue examination), to provide realistic feedback and objective assessment to trainees during their training.Thus, Dragunasu et al. and Rørvik et al. introduce novel tactile devices while Gautier et al. propose to equip practice boxes with a vision system to enable objective assessment.From an complementary point of view, Jourdes et al. propose to train on surgical robots that do not provide haptic feedback using visual feedback (Bresler et al., 2020).Simulating effective haptic feedback in a virtual environment is a challenging problem that involves a myriad of design considerations.To improve the wearability of such devices, primary design considerations involve optimizing the footprint of the actuating mechanism on the skin and the number of actuators used to simulate haptic feedback.Using parallel actuation mechanisms to solve the problem of achieving efficient and relevant force-feedback is an actively researched topic.There have been numerous designs that seek to address this issue, but few that involve the palm of hand.Dragunasu et al. propose a novel design for a device that simulates cutaneous feedback at the palm of hand by leveraging grasping biomechanics and using tendon-like mechanical actuation to generate both tangential and normal force feedback at the palm.To show the efficacy of the haptic feedback from the present prototype, the work demonstrates a simple virtual scenario for interacting with objects.Medical palpation training is essential to improve tactile diagnostic skills among professionals, but currently available training equipment lacks commercial viability and richness of tactile stimulation to provide realistic feedback to trainees.To address this problem, it is necessary to effectively simulate the hardness and shape of the
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,008 | 0,004 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,013 | 0,013 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,034 | 0,031 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».