MétaCan
Menu
Retour à la cohorte
Enregistrement W4300791856 · doi:10.1051/sm/2012041

Walking gait of a planar bipedal robot with four-bar knees

2013· article· en· W4300791856 sur OpenAlexaff
Arnaud Hamon, Yannick Aoustin

Notice bibliographique

RevueMovement & Sport Sciences - Science & Motricité · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueMuscle activation and electromyography studies
Établissements canadiensRobotiq (Canada)
Organismes subventionnairesnon disponible
Mots-clésBar (unit)GaitRobotPlanarPhysical medicine and rehabilitationComputer scienceArtificial intelligencePhysicsMedicineComputer graphics (images)

Résumé

récupéré en direct d'OpenAlex

The design of a knee joint is a key issue in robotics and biomechanics to increase the compatibility between prostheses and human movements and to improve the performances of the bipedal robot. We propose a novel design for the knee joint of a planar bipedal robot, based on a four-bar linkage. The advantage of this structure is to produce a translation of the instantaneous center of rotation (ICR) of the knee joint like in the human case. We propose to study the sthenic criterion of a bipedal robot using four-bar knee joint during a walking gait. This walking gait is a succession of finite time double support phases, single support phases and impacts. During the double support phase, both feet rotate. This phase is ended by an impact on the ground of the toe of one foot, the other foot taking off. The single support phase is ended by an impact of the swing foot heel, the other foot keeping contact with the ground through its toe. A parametric optimization problem is presented for the determination of the parameters corresponding to the optimal cyclic walking gait. The main contribution of this paper is to show the influence of double support phases for cyclic stable walking gaits with this novel bipedal robot.

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: Empirique
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 Opus0,013
Tête enseignante GPT0,211
Écart entre enseignants0,198 · 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

Citations0
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMovement & Sport Sciences - Science & MotricitéMême sujetMuscle activation and electromyography studiesTravaux en français237 207