MétaCan
Menu
Retour à la cohorte
Enregistrement W7131130701 · doi:10.1109/robio66223.2025.11376364

A Tensegrity-based Spherical Mobile Robot with Multiple Rolling Gait Patterns

2025· article· W7131130701 sur OpenAlexaff
Niansong Zhang, X. Shao, Rui Jiang, Bing Leng, Jiacheng Cai, Jie Li, Yibin Li

Notice bibliographique

Revuenon disponible
Typearticle
Langue
DomaineEngineering
ThématiqueStructural Analysis and Optimization
Établissements canadiensSciencetech (Canada)
Organismes subventionnairesNatural Science Foundation of Shandong ProvinceNational Natural Science Foundation of China
Mots-clésTensegrityRobotMobile robotGaitMechanism (biology)Robot locomotionPropulsion

Résumé

récupéré en direct d'OpenAlex

In recent years, tensegrity structures are being increasingly used in mobile robots because of their outstanding properties, such as impact resistance, large load-to-weight ratios, and self-balancing. However, most rolling tensegrity robots use center-of-mass offsets to move, making the robots inefficient and less maneuverable. In this paper, a propulsion induced spherical movable tensegrity robot which can realize multiple rolling gait patterns is proposed. Firstly, the novel rolling tensegrity robot is designed by integrating a 6-rod spherical tensegrity structure and 12 propellers, and its multi-gait rolling mechanism is presented. Based on this design, not only are the three traditional rolling gaits along the sides of the ground contact triangle realized, but also three new rolling gaits around the vertices of the triangle. Secondly, the driving forces required for the six rolling gaits are analyzed and then the step length and path space of the two types of gaits are analyzed. Finally, a prototype of the proposed robot is developed, and experiments are carried out. The results show that the proposed robot exhibits superior gait versatility and improves rolling efficiency and maneuverability compared to traditional tensegrity robots.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0020,000

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 Opus0,006
Tête enseignante GPT0,205
Écart entre enseignants0,199 · 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'étudeExpérimental (laboratoire)
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 sujetStructural Analysis and OptimizationTravaux en français237 207