MétaCan
Menu
Retour à la cohorte
Enregistrement W4386256222 · doi:10.24908/iqurcp16723

Origami, Shape Memory Alloys, and Geckos? Designing and Manufacturing an Underactuated Self-Reconfigurable Cube Robot

2023· article· en· W4386256222 sur OpenAlexaffvenue
Carter Hyndman, Matthew Robertson

Notice bibliographique

RevueInquiry Queen s Undergraduate Research Conference Proceedings · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueModular Robots and Swarm Intelligence
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésActuatorRobotModular designHingeCube (algebra)Shape-memory alloySMA*RoboticsComputer scienceMorphingEngineeringArtificial intelligenceMechanical engineeringGeometryAlgorithm

Résumé

récupéré en direct d'OpenAlex

Modular self-reconfigurable robotic systems are an active field of research leading to versatile, robust, and compact robotic systems. One approach utilizes self-relocatable cuboid robots as building blocks to construct lattice-type modular robotic systems which can be used to construct structures in humanly inaccessible locations through remote or autonomous control. Previous work on self-assembling cube robots has been actuated through both fluidic and inertial methods to provide robot locomotion. The presented robotic cube functions through the harmony of an underactuated Origami Linear Soft Pneumatic Actuator (OL’ SPA) and the modulation of four Shape Memory Alloy (SMA) hinge pin actuators for each face of the cube. By disengaging three of the SMA hinge pin actuators on one of the cube’s faces, the underactuated OL’ SPA expands circumferentially about the remaining engaged SMA hinge pin actuator, opening the cube’s face. Applied to the outside of the outer cube face is a bioinspired gecko tape adhesive, allowing the cube robot the ability to self-reconfigure and climb. Through this innovative integration of novel actuation mechanisms and bioinspired adhesion, the presented robotic cube navigates uncharted terrain in the realm of modular self-reconfiguring robotics.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,711
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,093
Tête enseignante GPT0,330
Écart entre enseignants0,237 · 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.

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

Citations0
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInquiry Queen s Undergraduate Research Conference ProceedingsMême sujetModular Robots and Swarm IntelligenceTravaux en français237 207