MétaCan
Menu
Retour à la cohorte
Enregistrement W4391168181 · doi:10.1115/1.4064570

Maximizing the Throwing Distance of Robotic Manipulators: An Optimization Approach

2024· article· en· W4391168181 sur OpenAlexaff
André Gallant, Clément Gosselin

Notice bibliographique

RevueJournal of Mechanisms and Robotics · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueRobotic Mechanisms and Dynamics
Établissements canadiensUniversité LavalUniversité de Moncton
Organismes subventionnairesnon disponible
Mots-clésThrowingRobot manipulatorComputer scienceKinematicsControl theory (sociology)RobotArtificial intelligenceEngineeringMechanical engineeringPhysicsControl (management)

Résumé

récupéré en direct d'OpenAlex

Abstract Manipulators are increasingly being called upon to perform a wide range of tasks. This paper explores the maximal distance throwing task for robotic manipulators and shows that this characteristic can be incorporated in the kinematic design process. Indeed, knowing the maximum distance that a manipulator can throw objects is useful in determining the viability of certain throwing tasks it might be called upon to execute. This paper studies three optimization problems: optimizing the release state to maximize the throwing distance, optimizing the kinematic trajectory subject to position, velocity, acceleration, and jerk constraints, and finally optimizing the kinematic design of manipulators to maximize the workspace as well as the throwing distance. Three manipulator architectures are used as case studies for these optimizations: a planar RR, a spatial RRR, and a wrist-partitioned 6R manipulator.

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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,173
Score d'incertitude au seuil0,437

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 Opus0,013
Tête enseignante GPT0,211
Écart entre enseignants0,198 · 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
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

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Mechanisms and RoboticsMême sujetRobotic Mechanisms and DynamicsTravaux en français237 207