MétaCan
Menu
Retour à la cohorte
Enregistrement W4413051006 · doi:10.1002/rcs.70093

Dynamic Modelling of the Surgery Arm in Sina<sub><i>flex</i></sub> Robotic Telesurgery System

2025· article· en· W4413051006 sur OpenAlexaff
Mehrnaz Aghanouri, Hamid Moradi, Alireza Mirbagheri

Notice bibliographique

RevueInternational Journal of Medical Robotics and Computer Assisted Surgery · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueSoft Robotics and Applications
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesTehran University of Medical Sciences and Health Services
Mots-clésComputer scienceFocus (optics)RobotTorqueRoot mean squareJoint (building)Robotic armSystem dynamicsMean squared errorIdentification (biology)System identificationSimulationControl theory (sociology)Artificial intelligenceControl (management)Data modelingMathematicsEngineering

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The use of robotic telesurgery has increased because of its high accuracy, fewer complications, and remote-control capability. To improve the accuracy of robotic arms in these systems, it is essential to have a precise dynamic model. METHODS: robotic telesurgery system and develop a dynamic model for a novel slave robot. Our approach involves deriving and linearising dynamic equations, defining optimal excitation trajectories, and estimating dynamic parameters using least square optimisation. To investigate the parameters' identification accuracy, the joint torques predicted by the model were compared with those actually obtained from the experiments. RESULTS: The results reveal that the method accurately predicts joint torques with the root mean square ( RMS) ranging from 0.58 to 1.48 Nm. CONCLUSIONS: Using the proposed method in this paper for identifying the robot dynamic parameters leads to more accurate results for robots with complex mechanisms.

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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,697
Score d'incertitude au seuil0,581

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
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 Opus0,017
Tête enseignante GPT0,234
Écart entre enseignants0,217 · 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
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Medical Robotics and Computer Assisted SurgeryMême sujetSoft Robotics and ApplicationsTravaux en français237 207