MétaCan
Menu
Retour à la cohorte
Enregistrement W4387197095 · doi:10.1109/access.2023.3320794

A Multiaxis Force Sensor Based on Pre-Strained Piezoresistive Film Strips

2023· article· en· W4387197095 sur OpenAlexaff
Shichao Yue, Minzhi Xu, Yanpeng Gu, Walied A. Moussa

Notice bibliographique

RevueIEEE Access · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Sensor and Energy Harvesting Materials
Établissements canadiensUniversity of Alberta
Organismes subventionnairesFundamental Research Funds for the Central UniversitiesCentral University Basic Research Fund of ChinaNatural Science Foundation of Jiangsu ProvinceGovernment of Jiangsu Province
Mots-clésPiezoresistive effectSTRIPSMaterials scienceQuantum tunnellingSensitivity (control systems)RobotComputer scienceOptoelectronicsNanotechnologyAcousticsPhysicsComposite materialElectronic engineeringEngineeringArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Soft multi-axis force sensors are essential in automation and robotic manipulations for dexterous applications. Carbon-based composites are quality candidates for sensing elements of soft multi-axis force sensors due to its piezoresistivity originated from electron tunneling effect. However, low cost and fast-prototyped soft multi-axis force sensors based on tunneling effect of carbon-based composites are still in their infant. This work investigated a soft multi-axis forces sensor utilizing Velostat film strips as the core sensing elements. A unique serpentine structure of Velostat strips has been designed and implemented as piezoresistors for the soft force sensor. The sensitivity of the proposed multi-axis force sensor has been characterized in x, y and z directions. Experimental results show that the sensor can achieve 2.1%/N and 2.2%/N in x and y axis, and 4.2%/N in z axis, respectively. The force sensor has been implemented in dexterous manipulations with a robotic gripper as the proof-of-concept, which demonstrates great potential for multi-axis force sensing applications.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

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)0,0000,000

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 Opus0,029
Tête enseignante GPT0,283
Écart entre enseignants0,253 · 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'étudeSans objet
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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE AccessMême sujetAdvanced Sensor and Energy Harvesting MaterialsTravaux en français237 207