MétaCan
Menu
Retour à la cohorte
Enregistrement W4385451887 · doi:10.23919/ecc57647.2023.10178343

Near-Optimal Trajectory Generation for Flexible Motion Systems using Two-Boundary Approach

2023· article· en· W4385451887 sur OpenAlexafffund
Yazan M. Al-Rawashdeh, Vasanth Reddy, Mohammad Al Saaideh, Almuatazbellah Boker, Hoda Eldardiry, Mohammad Al Janaideh

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueDynamics and Control of Mechanical Systems
Établissements canadiensUniversity of GuelphMemorial University of Newfoundland
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMinistry of Education
Mots-clésTrajectoryMotion (physics)Computer scienceBoundary (topology)Process (computing)Interval (graph theory)Motion controlInvariant (physics)AlgorithmControl theory (sociology)Artificial intelligenceMathematicsControl (management)Mathematical analysisRobotCombinatoricsPhysicsProgramming language

Résumé

récupéré en direct d'OpenAlex

The dynamics of the supposedly known flexible motion system is given a voice in the making process of the desired trajectory signals it has to follow. In doing so, and according to the herein proposed approach, a singularly perturbed version of the system dynamics is obtained which allows the system to be treated as time-invariant despite any existing time dependency. Based on the nature of the system assigned task, the trajectory making process is subdivided into several intervals, where each interval has its own boundary conditions that need to be assigned by the motion designer. In this sense, the boundary conditions act as way-points that govern the smooth states evolution over time, and are used to build internal and self-driven optimal reference trajectories to fulfill the desired actual system motion profile. Despite its simplicity, the superiority of the proposed technique is compared to the 2<sup>nd</sup>-order, 3<sup>rd</sup>-order, and sinusoidal standard motion trajectories, and its performance is evaluated through simulation.

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 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 enseignants0,771
Score d'incertitude au seuil0,480

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,038
Tête enseignante GPT0,246
Écart entre enseignants0,208 · 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.

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

Citations1
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetDynamics and Control of Mechanical SystemsTravaux en français237 207