Design and Build of a Microcontroller Robot Arm with Smartphone Control Based on the Internet of Things
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
Penelitian ini membahas tentang perancangan dan implementasi sebuah lengan robot yang dikendalikan melalui smartphone dengan menggunakan konsep Internet of Things (IoT). Lengan robot ini dikendalikan dengan menggunakan mikrokontroller yang terhubung ke internet. Tujuan dari penelitian ini adalah untuk mengembangkan sebuah sistem yang memungkinkan pengguna untuk mengontrol gerakan lengan robot dengan mudah melalui aplikasi smartphone yang telah dirancang khusus. Pada tahap perancangan, mikrokontroller diprogram untuk mengontrol motor-motor yang menggerakkan sendi-sendi lengan robot. Komunikasi antara smartphone dan lengan robot diimplementasikan melalui protokol komunikasi jaringan, sehingga pengguna dapat memberikan perintah melalui antarmuka aplikasi yang intuitif. Penggunaan teknologi IoT memungkinkan lengan robot ini dapat dikendalikan dari jarak jauh melalui internet, membuka peluang penggunaan dalam berbagai konteks, seperti pemanfaatan dalam lingkungan produksi, pendidikan, atau bahkan hiburan. Hasil pengujian menunjukkan bahwa Lengan robot memiliki kemampuan untuk menjalankan secara otomatis tugas-tugas yang berulang dengan tingkat akurasi yang tinggi. Keunggulan ini dapat meningkatkan produktivitas dalam proses produksi serta mengurangi potensi kesalahan manusia. Selain itu, robot mampu beroperasi dalam lingkungan yang berpotensi berbahaya bagi manusia, seperti wilayah beracun, radioaktif, atau suhu ekstrem (panas atau dingin). Kemampuan ini secara efektif mengurangi risiko paparan manusia terhadap potensi bahaya-bahaya tersebut
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.
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
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 it