MétaCan
Menu
Retour à la cohorte
Enregistrement W4400483064 · doi:10.1139/tcsme-2023-0155

Experimental evaluation of a small-sized continuum robot for grasping tasks

2024· article· en· W4400483064 sur OpenAlexafffundvenue
Ali Mehrkish, Farrokh Janabi‐Sharifi

Notice bibliographique

RevueTransactions of the Canadian Society for Mechanical Engineering · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueRobot Manipulation and Learning
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésRobotComputer scienceSimulationArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

This study explores catheters, small-sized continuum robots (CRs), in medical procedures, utilizing a recently developed comprehensive classification system known as the “CR-based taxonomy”. This work specializes the proposed taxonomy for small-sized CRs with medical applications through semi-structured interviews with researchers in this field. Subsequently, it provides a comprehensive analysis of grasp taxonomy, encompassing aspects such as grasp stability, grasp adaptability, and the inherent characteristics of manipulated objects and tasks. This analysis is conducted within the context of the “CR-based taxonomy” to assess its feasibility in a practical scenario involving a small-sized CR. Based on this analysis, fixed-tip grasp, hook grasp, and power form closure grasp (PFG) with a grasp stability of 18 have the highest stability, while platform/pull/push grasp and expandable grasp have the lowest stability. Moreover, PFG and precision multi-contact grasp have superior adaptability compared to other grasp families. Also, the planar payload of selected grasp families is much higher than the spatial payload of those families; however, the grasp size remains equal for both dimensions. This endeavor lays the groundwork for more in-depth investigations into catheter applications and offers valuable guidance to medical device developers in the creation of enhanced medical instruments.

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)0,000
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 enseignants0,975
Score d'incertitude au seuil0,467

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,039
Tête enseignante GPT0,262
Écart entre enseignants0,223 · 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

Citations0
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueTransactions of the Canadian Society for Mechanical EngineeringMême sujetRobot Manipulation and LearningTravaux en français237 207