MétaCan
Menu
Retour à la cohorte
Enregistrement W4321351826 · doi:10.20965/jrm.2023.p0051

Development of a Flexible Assembly System for the World Robot Summit 2020 Assembly Challenge

2023· article· en· W4321351826 sur OpenAlexaff
Lizhou Xu, Farshad Nozad Heravi, Marcel Lahoud, Gabriele Marchello, Mariapaola D’Imperio, Haider Abidi, Mohammad Farajtabar, Michele Martini, Silvio Cocuzza, Massimiliano Scaccia, Ferdinando Cannella

Notice bibliographique

RevueJournal of Robotics and Mechatronics · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueRobot Manipulation and Learning
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésRobotRoboticsArtificial intelligenceAgile software developmentGrippersRobotic armSoftwareOrientation (vector space)Computer scienceWorkspaceIndustrial robotSummitEngineeringComputer visionSimulationMechanical engineeringSoftware engineering

Résumé

récupéré en direct d'OpenAlex

The assembly challenge of the World Robot Challenge (WRC) 2020, which was a part of the World Robot Summit (WRS) 2020, aimed to complete rapidly changing tasks in high mix/low volume production through building agile and lean production systems that can respond to one-off products. The authors of this paper participated in the challenge with the team PneuBot from the Industrial Robotics Facility of the Italian Institute of Technology by developing a flexible assembly system. The purpose of this work was to develop an assembly system able to handle variations of parts and tasks with a minimal changeover in hardware and software. In particular, assembly tasks were carried out, such as the assembly of a DC motor, pulleys, and a flexible belt on a plate, starting from pieces of unknown positions and orientations on a tray. The proposed work cell is light-weighted and can be fast deployed and replicated. It is composed of two Universal Robots; an RGB-D camera mounted on the wrist of the robot, able to detect both the position and orientation of the different objects to manage; a custom gripping system composed of 3D printed fingers for manipulation purposes and miniature force sensors for the grasping detection.

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)0,001
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,006

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 Opus0,039
Tête enseignante GPT0,268
Écart entre enseignants0,230 · 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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Robotics and MechatronicsMême sujetRobot Manipulation and LearningTravaux en français237 207