MétaCan
Menu
Retour à la cohorte
Enregistrement W4392379755 · doi:10.3390/nano14050465

Recent Advances in Tactile Sensory Systems: Mechanisms, Fabrication, and Applications

2024· article· en· W4392379755 sur OpenAlexfundno aff
Jianguo Xi, Huaiwen Yang, Xinyu Li, Ruilai Wei, Taiping Zhang, Lin Dong, Zhenjun Yang, Zuqing Yuan, Junlu Sun, Qilin Hua

Notice bibliographique

RevueNanomaterials · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Sensor and Energy Harvesting Materials
Établissements canadiensnon disponible
Organismes subventionnairesBeijing Institute of TechnologyNational Natural Science Foundation of ChinaBeijing Institute of Technology Research Fund Program for Young ScholarsChina Postdoctoral Science FoundationNational Key Research and Development Program of ChinaBritish Columbia Innovation Council
Mots-clésSensory systemFabricationComputer scienceSensory substitutionNanotechnologyHuman–computer interactionMaterials scienceNeurosciencePsychologyMedicine

Résumé

récupéré en direct d'OpenAlex

Flexible electronics is a cutting-edge field that has paved the way for artificial tactile systems that mimic biological functions of sensing mechanical stimuli. These systems have an immense potential to enhance human-machine interactions (HMIs). However, tactile sensing still faces formidable challenges in delivering precise and nuanced feedback, such as achieving a high sensitivity to emulate human touch, coping with environmental variability, and devising algorithms that can effectively interpret tactile data for meaningful interactions in diverse contexts. In this review, we summarize the recent advances of tactile sensory systems, such as piezoresistive, capacitive, piezoelectric, and triboelectric tactile sensors. We also review the state-of-the-art fabrication techniques for artificial tactile sensors. Next, we focus on the potential applications of HMIs, such as intelligent robotics, wearable devices, prosthetics, and medical healthcare. Finally, we conclude with the challenges and future development trends of tactile sensors.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,011
Tête enseignante GPT0,240
Écart entre enseignants0,229 · 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
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations41
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNanomaterialsMême sujetAdvanced Sensor and Energy Harvesting MaterialsTravaux en français237 207