Actuators for Improving Robotic Arm Safety While Maintaining Performance: A Comparison Study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Since robotic arms operating close to people are becoming increasingly common, there is a need to better understand how they can be made safe when unintended contact occurs, while still providing the required performance. Several actuators and methods for improving robot safety are studied and compared in this paper. A robotic arm moving its end effector horizontally and colliding with a person’s head is simulated. The use of a conventional electric actuator (CEA), series elastic actuator (SEA), pneumatic actuator (PA) and hybrid pneumatic electric actuator (HPEA) with model-based controllers are studied. The addition of a compliant covering to the arm and the use of collision detection and reaction strategies are also studied. The simulations include sensor noise and modeling error to improve their realism. A systematic method for tuning the controllers fairly is proposed. The motion control performance and safety of the robot are quantified using root mean square error (RMSE) between the desired and actual joint angle trajectories and maximum impact force (MIF), respectively. The results show that the RMSE values are similar when the CEA, SEA, and HPEA drive the robot’s first joint. Regarding safety, using the PA or HPEA with a compliant covering can reduce the MIF below the safety limit established by the International Organization for Standardization (ISO). To satisfy this ISO safety limit with the CEA and SEA, a collision detection and reaction strategy must be used in addition to the compliant covering. The influences of the compliant covering’s stiffness and the detection delay are also studied.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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