MétaCan
Menu
Retour à la cohorte
Enregistrement W4395670013 · doi:10.1007/s10846-024-02090-7

A Compact Aerial Manipulator: Design and Control for Dexterous Operations

2024· article· en· W4395670013 sur OpenAlexaff
Qianyuan Liu, Yuhang Liu, Zeshuai Chen, Kexin Guo, Xiang Yu, Youmin Zhang, Lei Guo

Notice bibliographique

RevueJournal of Intelligent & Robotic Systems · 2024
Typearticle
Langueen
DomaineComputer Science
ThématiqueRobotic Path Planning Algorithms
Établissements canadiensConcordia University
Organismes subventionnairesNational Key Research and Development Program of ChinaBeijing Nova ProgramMajor State Basic Research Development Program of ChinaNational Natural Science Foundation of China
Mots-clésManipulator (device)Control (management)Computer scienceControl engineeringEngineeringArtificial intelligenceRobot

Résumé

récupéré en direct d'OpenAlex

Abstract The lack of aerial physical interaction capability is one of the choke points limiting the extension of aerial robot applications, such as rescue missions and aerial maintenance. We present a new aerial robotic manipulator (AEROM) for aerial dexterous operations in this work. It contains a robotic manipulator with 6-degree-of-freedom and a compact flight platform. Firstly, we propose a quantitative capability index to evaluate and guide the mechanical design of the AEROM. Based on the proposed quantitative index, we construct a lightweight bird-inspired manipulator to imitate a raptor hindlimb. An additional telescopic joint and an end-effector consisting of three soft fingers allow the AEROM to execute aerial interaction tasks. In addition, the wrist joints enable independent control of the end-effector attitude regardless of the flight platform. After explicitly analyzing the multi-source disturbances during the aerial operation tasks, we develop a refined anti-disturbance controller to compensate for the disturbances with different characteristics. The proposed controller further improves the position accuracy of end-effector to enable dexterous operations during aerial interaction tasks. Finally, the physical experiments verify the effectiveness of the proposed AEROM system.

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)0,001
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: aucune
Score de désaccord entre enseignants0,810
Score d'incertitude au seuil0,962

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0010,000
Science ouverte0,0010,000
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 Opus0,051
Tête enseignante GPT0,297
Écart entre enseignants0,246 · 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

Citations10
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Intelligent & Robotic SystemsMême sujetRobotic Path Planning AlgorithmsTravaux en français237 207