MétaCan
Menu
Retour à la cohorte
Enregistrement W4316039950 · doi:10.3390/machines11010104

A Simplified Method for Inverse Kinematics of a Flexible Panel Continuum Robot for Real-Time Shape Morphing

2023· article· en· W4316039950 sur OpenAlexaff
Wenbin Wang, Xiangping Yu, Yinjun Zhao, Long Li, Yuwen Li, Yingzhong Tian, Fengfeng Xi

Notice bibliographique

RevueMachines · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueSoft Robotics and Applications
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésInverse kinematicsMorphingKinematicsStaticsRobotInverseCurvatureForward kinematicsNonlinear systemKinematics equationsComputer scienceRobot kinematicsArc lengthMathematicsArc (geometry)GeometryClassical mechanicsComputer visionArtificial intelligencePhysicsMobile robot

Résumé

récupéré en direct d'OpenAlex

Continuum robots are good candidates for shape morphing. However, due to the coupled problem between kinematics and statics, the inverse kinematics of continuum robots is highly nonlinear, posing a challenging problem for real-time applications. This paper presents a simplified approach to solving the inverse kinematics of a flexible panel continuum robot efficiently. Through an experiment, two approximate relationships are discovered. First, the arc length of the middle backbone can be estimated from the arc lengths of the two panels; second, the length difference between the two panels can be related to the tip angle of the end-effector. Based on these two discovered relationships, a simplified inverse kinematics method is proposed based on a constant curvature model. This method has been validated by the experimental data with high accuracy of less than 2% error, thereby demonstrating the effectiveness of the proposed method for real-time applications.

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)0,001
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: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,053
Tête enseignante GPT0,317
Écart entre enseignants0,264 · 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
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

Citations3
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMachinesMême sujetSoft Robotics and ApplicationsTravaux en français237 207