MétaCan
Menu
Retour à la cohorte
Enregistrement W4381193978 · doi:10.11159/cdsr23.002

Design, Prototyping and Control of Low-Impedance Hybrid Robots forIntuitive Physical Human-Robot Interaction

2023· article· en· W4381193978 sur OpenAlexaffabout
Clément Gosselin

Notice bibliographique

RevueProceedings of the International Conference of Control, Dynamic systems, and Robotics · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueRobotic Locomotion and Control
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésRobotImpedance controlComputer scienceRapid prototypingHuman–robot interactionRobot controlHuman–computer interactionControl (management)Electrical impedanceControl engineeringMobile robotEngineeringArtificial intelligenceMechanical engineeringElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Over the past decades, parallel mechanisms have found applications in many areas including motion simulation, highspeed robots, machine-tools and cable-driven systems, to name a few. More recently, parallel and hybrid robots have been proposed in the emerging field of physical human-robot interaction (pHRI) which aims at taking advantage of the complementary capabilities of robots and humans. One of the key challenges in pHRI is to provide an intuitive physical interaction to the human user. Due to their low moving inertia, parallel robots can be used advantageously to design lowimpedance mechanical interfaces in order to increase the mechanical bandwidth of the human-robot interaction, thereby leading to a very intuitive behaviour. In this presentation, the use of parallel and hybrid robots in the design of pHRI devices is proposed and examples of prototypes developed at Laval University are shown. The use of kinematic redundancy in order to increase the rotational workspace is also discussed. The results clearly demonstrate the capability of parallel mechanisms to provide high interaction bandwidth for pHRI 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 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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,023
Tête enseignante GPT0,257
Écart entre enseignants0,234 · 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

Citations0
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings of the International Conference of Control, Dynamic systems, and RoboticsMême sujetRobotic Locomotion and ControlTravaux en français237 207