A Mobile Welding Robot for Extreme Conditions
Notice bibliographique
Résumé
Abstract Welding is an important step in the manufacturing process of many products, yet traditional welding still requires intensive human labor and field welding in cold weather makes it more challenging. As robotic systems advance, they have become viable technologies for automating manufacturing processes in welding. Nevertheless, most existing robotic welding systems still rely on stationary robots and teach-playback programming mode. These limit the flexibility and adaptability of the robotic systems and requiring human intervention for setup, adjustments, and monitoring. Mobile manipulators have attracted researchers to incorporate into the robotics field owing to their variety of real-world applications, and mobile welding is one of the feasible applications. To address these limitations, a mobile welding robot (MWR) system is being developed for laboratory and field settings. This MWR system is equipped with a UGV (unmanned ground vehicle) with several sensors such as, LiDAR and an Inertial Measurement Unit (IMU), a six degree-of-freedom (DOF) robot manipulator, a 3D stereo camera, a flux core welder, and an onboard computer. The welding robot system is designed to navigate on uneven floors and outdoor construction sites autonomously, acquire 3D point cloud data of the workpiece, identify and segment the weld seams, perform automated manipulator path planning, and execute welding tasks with minimal human intervention. This research contributes to the field of robotic welding by developing an autonomous solution capable of operating in different environments, including laboratories, industry workshops, and outdoor with extreme weather conditions.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».