MétaCan
Menu
Retour à la cohorte
Enregistrement W4312656392 · doi:10.1109/cyber55403.2022.9907707

Design of An Ankle-Foot System with Uneven Terrain Adaptability

2022· article· en· W4312656392 sur OpenAlexaff
Fangyan Shen, Ruilong Du, Daming Nie, Zhiyong Huang, Jiangren Tian, Jason Gu

Notice bibliographique

Revue2022 12th International Conference on CYBER Technology in Automation, Control, and Intelligent Systems (CYBER) · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueRobotic Locomotion and Control
Établissements canadiensDalhousie University
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésRobotTerrainAnkleFoot (prosody)Computer scienceAdaptabilityWork (physics)Adaptation (eye)Mechanism (biology)SimulationFocus (optics)Artificial intelligenceControl engineeringEngineeringMechanical engineeringMedicinePsychology

Résumé

récupéré en direct d'OpenAlex

Bipedal robots have become a focus in the robot research nowadays because its ability in travelling in human everyday environment, and the ankle-foot design is important for the robot to negotiate with complex terrain. This work develops a robot ankle-foot system which consists of a lower limb, an ankle joint and a foot. The mechanical and actuation system, the embedded sensors and the electronic processing system are described in detail in this work. After that, several experiments are conducted on the ankle-foot system to verify its ability in uneven terrain perception and adaptation. Experimental results show that the ankle-foot system in this work has the potential to enhance the performance of bipedal robots working in sophisticated environments, and can serve as a basic subsystem in the later research of bipedal 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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,571
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,018
Tête enseignante GPT0,234
Écart entre enseignants0,216 · 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 tête enseignante, pas un consensus.

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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2022 12th International Conference on CYBER Technology in Automation, Control, and Intelligent Systems (CYBER)Même sujetRobotic Locomotion and ControlTravaux en français237 207