Sensor integration to create a digital twin framework of a pre-existing robot
Notice bibliographique
Résumé
The rapid development of digital twins presents new opportunities and challenges in mechatronics, robotics and sensing. The digital twin concept can be traced back to the early 2000s, specifically to Michael Grieves' work in product lifecycle management (PLM) and manufacturing at the University of Michigan. In 2002, Grieves introduced the foundational elements of the digital twin, conceptualizing a virtual object mirroring a physical product with a bidirectional communication channel. Following this trajectory of innovation in digital twin technology, this research explores the behaviours of the preexisting unmodified autonomous ground robot, exemplified by a robotic snow blower being developed to support the maintenance of the iconic Rideau Canal Skateway in Ottawa, Canada partnership with the National Capital Commission and Carleton University, to enhance its performance and adaptability of its system by developing and implementing a digital twin, integrating sensor data within a mechatronic framework for monitoring the mobile robot under harsh winter operating conditions. A key aspect of this research is the implementation of sensors to link the physical robot and its digital twin to monitor the robot's behaviour. Various sensors, including inertial measurement units, rotational speed encoders, voltage sensors, current sensors, and reflective infrared optical sensors , can be integrated into the pre-existing, unmodified robotic system. These sensors capture real-time data on the robot's state, including position, velocity, acceleration, and battery energy consumption. This data is then transmitted to build the digital twin, enabling continuous synchronization and accurate representation of the physical robot's behaviour and state of the system. The importance of sensor integration in digital twin development for robotics opens opportunities to predict failures and provides predictive maintenance opportunities for the system. Integrating sensor data acquired through cloud database programs like Arduino Cloud and accurate system modelling within environments such as MATLAB Simscape was used to help understand and optimize robot behaviour. This integration facilitates real-time data acquisition and analysis, enabling future observations and enhancements to the digital twin's reliability. The combined capabilities of real-time sensor integration, accurate system modelling, and simulation offer a robust approach to analyzing and predicting robot behaviour. In conclusion, this research demonstrates one step toward implementing the digital twin to facilitate risk-free virtual testing and validation of control algorithms, safety functions, and operational configurations within a simulated environment. Studying the sensor's behaviours can control the long-run cost of system maintenance and allow for real-time status checks and remote operation.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».