MétaCan
Menu
Retour à la cohorte
Enregistrement W4392719439 · doi:10.1109/access.2024.3376407

Development and Testing of Novel Soft Sleeve Actuators

2024· article· en· W4392719439 sur OpenAlexaff
Mohammed Abboodi, Marc Doumit

Notice bibliographique

RevueIEEE Access · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueSoft Robotics and Applications
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésActuatorComputer scienceSystem testingArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

The field of soft actuators and robotics has garnered considerable attention in recent years, driven by their distinct properties to adapt to diverse environments and enable secure and engaging interactions with humans. While current literature highlights a significant body of work on various soft actuators, it is noteworthy that the concept of soft sleeve actuation remains unexplored, as it has not yet been proposed. The concept of soft sleeve actuation represents a significant leap forward in the field of robotics, heralding tremendous potential for diverse applications, particularly for wearable robotics. This paper introduces a novel soft sleeve actuation mechanism, encompassing the development of two actuators capable of generating linear and bending motion. These actuators are lightweight and capable of generating considerable force and motion. Using Fused Deposition Modeling technology, a comprehensive fabrication framework was adopted to overcome manufacturing variability and fabricate high-quality airtight actuators. The mechanical performance of the proposed soft sleeve actuators (SLA) was investigated through a custom-built experimental testing setup. The impact of geometric parameters and material stiffness on the behavior of the developed actuators is studied and discussed.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
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 savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,061
Tête enseignante GPT0,293
Écart entre enseignants0,232 · 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'étudeExpérimental (laboratoire)
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

Citations5
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE AccessMême sujetSoft Robotics and ApplicationsTravaux en français237 207