MétaCan
Menu
Retour à la cohorte
Enregistrement W4404062082 · doi:10.23977/acss.2024.080616

Optimization of Bench Dancing Dragon Team Motion Based on Collision Detection Model and Numerical Simulation

2024· article· en· W4404062082 sur OpenAlexvenueno aff

Notice bibliographique

RevueAdvances in Computer Signals and Systems · 2024
Typearticle
Langueen
DomaineComputer Science
ThématiqueRobotic Path Planning Algorithms
Établissements canadiensnon disponible
Organismes subventionnairesDepartment of Education of Guizhou Province
Mots-clésCollisionCollision detectionMotion (physics)Computer scienceSimulationAerospace engineeringComputer graphics (images)Artificial intelligenceEngineeringComputer security

Résumé

récupéré en direct d'OpenAlex

As an important folk cultural treasure, "Bench Dragon" attracts many audiences with its unique dance form [1]. Based on mathematical modeling and optimization algorithm, this paper discusses the dynamic marching process of the dragon dance team on the spiral line, focusing on the path planning and speed optimization of the coil in and out, aiming to improve the smoothness and safety of the dragon dance performance, so as to enhance the visual impact of its cultural heritage. Firstly, the position of the dragon head over time is deduced through the conversion of polar coordinates and Cartesian coordinates, and the positions of the dragon body and tail parts in each second are calculated step by step by using the geometrical characteristics of the dragon [2]. Meanwhile, the central difference method was applied to solve the velocity of the key nodes, and the model results were visually examined to verify the validity of the model [3]. Then, the position model and the collision detection model of the multi-bench system were constructed, the minimum distance between benches was calculated, and the collision was detected by the differential method, which finally led to the conclusion that the dragon's head collided with the 8th board of the dragon's body at about 412.6 seconds [4]. Finally, based on the previous research results, the collision detection model was constructed and the critical point was measured, and the range of the pitch to satisfy the condition was determined to be 0.450~0.451 meters using the global traversal method. The research in this paper provides theoretical support for the safety and fluidity of non-heritage dragon dance activities.

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)0,000
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,052

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,016
Tête enseignante GPT0,275
Écart entre enseignants0,259 · 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'étudeSimulation ou modélisation
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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in Computer Signals and SystemsMême sujetRobotic Path Planning AlgorithmsTravaux en français237 207