MétaCan
Menu
Retour à la cohorte
Enregistrement W4313049920 · doi:10.1109/tro.2022.3218996

An Atlas-Based Approach to Planar Variable-Structure Cable-Driven Parallel Robot Configuration-Space Representation

2022· article· en· W4313049920 sur OpenAlexafffund
Mitchell Rushton, Amir Khajepour

Notice bibliographique

RevueIEEE Transactions on Robotics · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueRobotic Mechanisms and Dynamics
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésAtlas (anatomy)PlanarComputer scienceRepresentation (politics)RobotConfiguration spaceVariable (mathematics)Space (punctuation)Artificial intelligenceComputer visionComputer graphics (images)Topology (electrical circuits)MathematicsPhysicsCombinatoricsMathematical analysisGeology

Résumé

récupéré en direct d'OpenAlex

Variable-structure cable-driven parallel robots (VSCR) are a new class of cable robots that are able to cover nonconvex installation spaces by permitting collisions between cables and fixed objects in the environment. In this article, we show how the configuration space of a general planar VSCR can be represented as an organized set of partially overlapping regions of constant structure. The benefit of this representation, which we refer to as the “structure atlas,” is that it allows any techniques from the established cable-driven parallel robot literature to be applied locally, greatly simplifying the modeling complexity associated with VSCRs. A complete method for how such a representation can be constructed is provided, which includes identifying the set of reachable kinematic structures for a given VSCR and the area where each structure is active. We then give specific examples of how this new representation can be used for performing VSCR workspace analysis and directly solving the VSCR inverse kinematics problem. Our results are demonstrated with the aid of simulated and experimental results.

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)0,000
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,266
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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)0,0000,000

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 Opus0,015
Tête enseignante GPT0,226
Écart entre enseignants0,211 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on RoboticsMême sujetRobotic Mechanisms and DynamicsTravaux en français237 207