Modelling and simulation environment for force-feedback multibody systems
Bibliographic record
Abstract
Nous d'ecrivons ici un environnement de simulation développé pour les dispositifs de retour d'effort. Cet environnement est basé sur le Multibody Toolbox (MuT) mis au point par l'Agence spatiale canadienne, qui a la capacité de manipulation symbolique en utilisant Maple et Matlab/Simulink afin de traiter de l'interface numérique. L'environnement de simulation sert un double objets: (1) la modélisation, l'analyse dynamique et la visualisation de systèmes multicorps pour aider à la conception des dispositifs de retour d'effort, (2) la génération de modèles de systèmes dynamiques afin de servir des environnements virtuels avec lesquels un appareil physique de retour d'effort tente d'avoir interaction. Le deuxième objectif implique également l'intégration du logiciel en question avec celui pour la commande en temps réel Quanser QuaRC afin de contrôler le dispositif de retour d'effort. Ce travail porte en particulier sur la classe de dispositifs qui emploient le paradigme de commande par impédance. Les dispositifs de retour d'effort et les modèles d'environnement virtuel emploient souvent des topologies des systèmes mécaniques qui peuvent être représentées par chaînes d'éléments multicorps couplés en boucle fermée. Pour tous les deux principaux objectifs ci-dessus, l'examen des contraintes cinématiques explicitement données dans la dynamique et le contrôle des modèles sous-jacents des systèmes multicorps a une importance primordiale. Le cadre de simulation est capable d'utiliser des techniques efficaces de stabilisation afin de fournir la performance ciblée tout en étant également capable de gérer des systèmes non-conservateurs qui gagnent de l'énergie au cours de la simulation, comme si l'algorithme de contrôle injectait de l'énergie dans le système. La simulation des systèmes contraints a reçu une attention considérable durant les dernières années. Cependant, les problèmes issus d'une interprétation plus large de problème de mouvement constraint ne sont pas vraiment pris en considération. Une telle interprétation représente par la connection d'un logiciel de simulation dynamique à un dispositif faisant partie du matériel. C'est le cas de dévirage haptique basé sur des mécanismes de retour d'effort. Ces aspects seront illustrés par des simulations et un banc d'essai expérimental.
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 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 | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 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 itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, 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".