Evaluation of Objective Functions for the Optimal Design of an Assistive Robot
Notice bibliographique
Résumé
The number of individuals with upper or lower extremities dysfunction (ULED) has considerably increased in the past few decades, resulting in a high economic burden for their families and society. Individuals with ULEDs require assistive robots to fulfill all their activities of daily living (ADLs). However, a theory for the optimal design of assistive robots that reduces energy consumption while increasing the workspace is unavailable. Thus, this research presents an algorithm for the optimal link length selection of an assistive robot mounted on a wheelchair to minimize the torque demands of each joint while increasing the workspace coverage. For this purpose, this research developed a workspace to satisfy a list of 18 ADLs. Then, three torque indices from the literature were considered as performance measures to minimize; the three torque measures are the quadratic average torque (QAT), the weighted root square mean (WRMS), and the absolute sum of torques (AST). The proposed algorithm evaluates any of the three torque measures within the workspace, given the robot dimensions. This proposed algorithm acts as an objective function, which is optimized using a genetic algorithm for each torque measure. The results show that all tree torque measures are suitable criteria for assistance robot optimization. However, each torque measures yield different optimal results; in the case of the QAT optimization, it produces the least workspace with the minimum overall torques of all the joints. Contrarily, the WRMS and AST optimization yield similar results generating the maximum workspace coverage but with a greater overall torque of all joints. Thus, the selection between the three methods depends on the designer's criteria. Based on the results, the presented methodology is a reliable tool for the optimal dimensioning of assistive 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 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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
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 ».