Finite Arc Method: Fast-Solution Extended Piecewise Constant Curvature Model of Soft Robots with Large Variable Curvature Deformations
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
Accurate deformation modeling of soft flexural robots is of high practical importance, especially for high-risk tasks such as surgery. In this study, a new mechanistic model, that is, finite arc method (FAM), for soft robots, for example, tendon-drive, was proposed and validated. First, the catheter was modeled as a finite number of arcs, each with a constant bending curvature, hence the name FAM. Afterward, using a validated Bezier shape approximation, the deformation was parameterized, and the governing equations of the robot were derived. Also, a fast and recursive algorithm was proposed and implemented for the mechanical solution of the robot's deformation. To validate the proposed method, two validation studies were performed. In Study I, the FAM's predicted deformations for eight load cases in each two-dimensional and three-dimensional space on a 40 mm long flexure were compared with the nonlinear finite element method (FEM). In Study II, a representative set of lateral forces on a cardiac catheter (obtained in our previous study) was used to find its FAM-based deformation and was compared with the experimental reference. The error between FAM and FEM deformations was 0.23 ± 0.89 mm with computation times of 3 mseconds (FAM) versus 1244 mseconds (FEM). Also, the error of FAM compared with ground-truth in Study II was 1.41 ± 1.47 mm with a computation time of 7 mseconds. The proposed method showed acceptable performance for the accurate prediction of highly complex large deformations in real time.
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 | 0,001 |
| 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 | 0,001 |
| 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