Казанский (Приволжский) федеральный университет, КФУ
КАЗАНСКИЙ
ФЕДЕРАЛЬНЫЙ УНИВЕРСИТЕТ
 
RSS Ins Вконтакте twitter facebook
TOWARDS ROBOT FALL DETECTION AND MANAGEMENT FOR RUSSIAN HUMANOID AR-601
Форма представленияСтатьи в зарубежных журналах и сборниках
Год публикации2018
Языканглийский
  • Магид Евгений Аркадьевич, автор
  • Сагитов Артур Газизович, автор
  • Сагитов Артур Газизович, автор
  • Библиографическое описание на языке оригинала Magid E, Sagitov A., Towards robot fall detection and management for russian humanoid AR-601//Smart Innovation, Systems and Technologies. - 2018. - Vol.74, Is.. - P.200-209.
    Аннотация While interacting in a human environment, a fall is the main threat to safety and successful operation of humanoid robots, and thus it is critical to explore ways to detect and manage an unavoidable fall of humanoid robots. Even assuming perfect bipedal walking strategies and algorithms, there exist several unexpected factors, which can threaten existing balance of a humanoid robot. These include such issues as power failure, robot component failures, communication disruptions and failures, sudden forces applied to the robot externally as well as internally generated exceed torques etc. As progress in a humanoid robotics continues, robots attain more autonomy and enter realistic human environments, they will inevitably encounter such factors more frequently. Undesirable fall might cause serious physical damage to a human user, to a robot and to surrounding environment. In this paper, we present a brief review of strategies that include algorithms for fall prediction, avoidance, and dam
    Ключевые слова AR-601Fall predictionHumanoid robot fallHumanoid robotsRobot controlSafe fallSafety
    Название журнала Smart Innovation, Systems and Technologies
    URL https://www.scopus.com/inward/record.uri?eid=2-s2.0-85020412784&doi=10.1007%2f978-3-319-59394-4_20&partnerID=40&md5=20682768671b334f49563ac5620a2844
    Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на эту карточку https://repository.kpfu.ru/?p_id=161698
    Файлы ресурса 
    Название файла Размер (Мб) Формат  
    2017_Towards_robot_fall_detection_and_management_for_russian_humanoid_AR_601.pdf 0,62 pdf посмотреть / скачать

    Полная запись метаданных