Bibliographic record
Abstract
Ce livre présente les concepts clés de la robotique dans un langage facile à comprendre, en utilisant une approche attrayante basée sur des projets. Il couvre des sujets contemporains en robotique, fournissant un point d’entrée accessible aux fondamentaux dans tous les domaines majeurs. Une section est consacrée à l’introduction des concepts de programmation en utilisant Python, qui est devenu un langage de choix en robotique et en IA. Le livre présente également au lecteur le système d’exploitation des robots (ROS), le logiciel et le cadre algorithmique omniprésents utilisés par les chercheurs et l’industrie. Le livre fournit une introduction inspirée, actualisée et multidisciplinaire à la robotique sous ses nombreuses formes, y compris les sujets émergents liés à la robotique sur l’apprentissage automatique, l’éthique, l’interaction homme-robot et la Pensée Design. L’ouvrage comprend également des entretiens avec des experts de l’industrie, qui apportent un éclairage supplémentaire sur le monde de la robotique. Le livre est en accès libre grâce au soutien généreux de Kinova Robotics. L’ouvrage peut être utilisé comme manuel de premier cycle dans un cours d’ingénierie pertinent. Il convient également aux étudiants en art et en design, aux élèves du secondaire et aux autodidactes qui souhaitent explorer les concepts fondamentaux de la robotique. Ce livre constitue la “base” pour comprendre le fonctionnement des robots. C’est l’introduction accessible que les artistes et les ingénieurs attendaient. – Ken Goldberg, William S. Floyd Jr. Distinguished Chair in Engineering, UC Berkeley.
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 | 0.002 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.004 |
| Scholarly communication | 0.007 | 0.007 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.053 | 0.022 |
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".