Notice bibliographique
Résumé
The capability to perform dexterous operations in an autonomous manner would greatly enhance the productivity of space robotic operations. In the present thesis, we address this problem and propose a new methodology for vision-guided automatic grasping using SARAH, a three-fingered robotic hand. The Canadian Space Agency is planning to install SARAH on the International Space Station and we developed a methodology allowing this robotic hand to grasp objects autonomously by using a vision system in combination with an off-line grasp planner. More specifically, a new algorithm for synthesizing force-closure grasps for planar and revolute objects with SARAH is formulated. The grasp synthesis explicitly takes into account the hand geometry constraints and optimizes several grasp quality criteria simultaneously. Subsequently, a vision-based approach for object pose identification is presented. A vision system incorporating a monocular camera mounted in the center of SARAH's palm was designed. Color information taken from a region of interest in the image and color indexing are used to locate the object in the scene. The virtual images predicting the appearance of the object are utilized for pose identification. The complete methodology is practical, ensures high quality grasps and provides an intuitive tool for automatic grasping. Numerical results are presented for grasp synthesis of several objects with SARAH. These demonstrate the feasibility and optimality of the synthesized grasps, as well as the completeness and correctness of the methodology. Experiments were also conducted with SARAH as the end-effector of a 7-Degree-of-Freedom robot and vision-guided automatic grasping was achieved.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
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 tête enseignante, 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 ».