MétaCan
Menu
Retour à la cohorte
Enregistrement W4387874497 · doi:10.3390/machines11100979

Kinematic Models and the Performance Level Index of a Picking-and-Placing Hybrid Robot

2023· article· en· W4387874497 sur OpenAlexaff
Qi Zou, Dan Zhang, Guanyu Huang

Notice bibliographique

RevueMachines · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueRobotic Mechanisms and Dynamics
Établissements canadiensYork University
Organismes subventionnairesHong Kong Polytechnic UniversityNational Natural Science Foundation of China
Mots-clésWorkspaceKinematicsPayload (computing)TrajectoryComputer scienceParallel manipulatorInverse kinematicsCorrectnessActuatorMobile manipulatorRobotMechanism (biology)Stewart platformSimulationControl theory (sociology)Mobile robotControl engineeringArtificial intelligenceEngineeringAlgorithm

Résumé

récupéré en direct d'OpenAlex

The mobile platform of the parallel robot designed for picking and placing operations is usually equipped with one or two extra degree(s) of freedom to enable flexible grasping orientations. However, additional motors indicate extra loads for the moving platform, and the total payload performance shrinks. This paper proposes a spatial picking-and-placing manipulator, in which one actuator that is supposed to be installed on the mobile platform is placed far away from the mobile platform. The platform has a large workspace along one direction. The comprehensive analytical inverse and forward kinematic solutions of this robot are derived. The reachable workspace of the parallel manipulator module is then explored. The novel performance level index is designed to normalize the performance index and demonstrate the performance rank for any pose. A mathematical proof is provided for this novel index. The manipulability index is taken as an example to examine the level indicator. A multi-objective optimization is implemented to pursue optimal performance; then, the initial design and optimized results are compared in detail. A sample trajectory is provided to verify the correctness of the kinematic mathematical model of the parallel mechanism.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,020
Tête enseignante GPT0,213
Écart entre enseignants0,193 · 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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMachinesMême sujetRobotic Mechanisms and DynamicsTravaux en français237 207