MétaCan
Menu
Retour à la cohorte
Enregistrement W4411192022 · doi:10.36227/techrxiv.174952923.34445605/v1

Unifying Impedance Control, Admittance Control, and Hybrid Methods into a Sensitivity Framework

2025· preprint· en· W4411192022 sur OpenAlexaff
Nicholas Berezny, Mojtaba Ahmadi

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEngineering
ThématiqueStability and Control of Uncertain Systems
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésAdmittanceSensitivity (control systems)Electrical impedanceControl (management)Control theory (sociology)Computer scienceEngineeringElectronic engineeringElectrical engineeringArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

This paper introduces a unified framework for Interaction Controllers from the perspective of a trade-off between sensitivity to force sensor error and modelling error. The task of selecting a controller therefore reduces to optimizing sensitivities. However, the trade-off exists across control structures, and so optimization requires hybrid methods which can interpolate across the spectrum. Based on the sensitivity trade-off, we introduce a novel hybrid method which uses a weighted-sum of a force sensor estimate and a model-based force estimate as input to an Admittance Controller. This method improves upon previous hybrid methods by removing the dependency on inertia-shaping, being compatible with position-controlled joints, and having an explicit relation between the control parameter and the sensitivity level. The importance of considering force sensor error, and the utility of the novel method is demonstrated for improving contact stability on an industrial robot arm.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,918
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,002
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 Opus0,012
Tête enseignante GPT0,297
Écart entre enseignants0,285 · 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.

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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetStability and Control of Uncertain SystemsTravaux en français237 207