MétaCan
Menu
Retour à la cohorte
Enregistrement W4362654044 · doi:10.1109/lra.2023.3264869

Modeling and Analysis of Tendon-Driven Continuum Robots for Rod-Based Locking

2023· article· en· W4362654044 sur OpenAlexaff
Priyanka Rao, Chloe Pogue, Quentin Peyron, Eric Diller, Jessica Burgner-Kahrs

Notice bibliographique

RevueIEEE Robotics and Automation Letters · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueSoft Robotics and Applications
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésWorkspaceRobotCurvatureRodStiffnessControl theory (sociology)TwistComputer scienceSimulationCompliant mechanismEngineeringStructural engineeringArtificial intelligenceMathematicsGeometryFinite element methodControl (management)

Résumé

récupéré en direct d'OpenAlex

Various design modifications have been proposed for tendon-driven continuum robots to improve their stiffness and workspace. One of them is using locking mechanisms to constrain the lengths of rods or passive backbones along the robot. However, physics-based models used to predict these robots' behaviour commonly assume that the curvature of the locked portion does not change during robot actuation or that the effects of friction and gravity are negligible. In addition, these models do not consider the variations in twist on force application. In this letter, we propose a 3D static model for tendon-driven continuum robots experiencing locking due to length constraints on rods along their backbone. The proposed model is evaluated on prototypes of length 240 mm, with up to three locking mechanisms and has an accuracy of 3.63% w.r.t. length. Using the proposed model, a compliance analysis is performed studying the evolution of the robot compliance with the position of the locking mechanisms. An actuation strategy is proposed that can allow the robot to achieve the same shape with different compliance.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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

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 GPT0,242
Écart entre enseignants0,223 · 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'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

Citations20
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Robotics and Automation LettersMême sujetSoft Robotics and ApplicationsTravaux en français237 207