Bibliographic record
Abstract
Beaucoup de techniques ont été développées pour l'analyse et l'étude des systèmes mécaniques. Puisque la modélisation des interactions entre les roues et le sol est essentielle pour la modélisation du comportement des robots mobiles, les travaux portant sur des systèmes fixes ne sont pas a priori applicables aux robots mobiles. Cette thèse porte sur des concepts importants pour l'analyse de robots mobiles. Les premières évaluations des techniques actuelles de simulation numériques ont montré que, si elles pouvaient modéliser précisément des robots mobiles, elles ne pouvaient souvent que simuler la dynamique et étaient insuffisantes pour des analyses plus poussées. Les recherches ont ensuite montré que les modèles utilisant la dynamique des sols étaient les mieux adaptés pour la modélisation des interactions entre les roues et le sol. Après avoir étudié plusieurs concepts utilisés pour caractériser la mobilité, deux nouvelles mesures ont été proposées (la force maximale nette de traction, et le potentiel d'accélération) qui se sont révélés utiles pour fournir en temps réel des indications sur les capacités d'un robot mobile. Une nouvelle méthode a été proposée pour l'analyse de la matrice des masses d'un système mécanique ainsi que quatre concepts apportant des renseignements sur les masses effectives et le couplage dynamique d'un mécanisme: l'inertie effective verrouillée, le couplage de forces, l'inertie effective libre, et le couplage de l'accélération. Enfin, la formulation de l'espace opérationnel, qui est principalement utilisé dans le domaine des manipulateurs, a été étudié et étendu au domaine de la robotique mobile. Il a été constaté l'utilité de représentations appropriées et spécifiques de l'espace opérationnel pour le contrôle et l'estimation du mouvement de robots mobiles.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".