MétaCan
Menu
Retour à la cohorte
Enregistrement W4403456578 · doi:10.1145/3696687.3696695

Design and Optimization of Monopod Robots for Continuous Vertical Jumping: A Novel Hopping Mechanism Inspired by Froghoppers and Grasshoppers

2024· article· en· W4403456578 sur OpenAlexaff
Suhang Xu, Lurui Wang, Yujing Fu

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueRobotic Locomotion and Control
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésRobotMechanism (biology)JumpingComputer scienceArtificial intelligencePhysicsBiologyQuantum mechanics

Résumé

récupéré en direct d'OpenAlex

The purpose of this research is to develop a monopod robot and optimize the hopping height of the robot, which is essential for the rapid locomotion of the robot in complex environments such as human-scale structures and natural settings to carry out operations such as material transportation or search and rescue. In this study, the researchers propose a design for the monopod robot and achieve the continuous hopping of the robot in simulation by constructing the basic model and control system in MATLAB Simulink. Then, based on the created model, the research references the biometric data gained from the grasshopper and froghopper to optimize the jumping height of the robot by changing the leg length ratio and hind leg angles through GA analysis. The simulation result demonstrates a significant increase in jumping height after optimization under the same torque output, indicating higher working efficiency. The findings in the research suggest the single-legged robot design's feasibility in terms of structure and control strategy. Additionally, using biometric data through GA analysis to optimize the structure and hopping strategy of the robot also provides a feasibility proposal for future improvement.

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 enseignants0,906
Score d'incertitude au seuil0,490

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
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 Opus0,013
Tête enseignante GPT0,211
Écart entre enseignants0,197 · 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'admission1
Résumé présentoui

Explorer davantage

Même sujetRobotic Locomotion and ControlTravaux en français237 207