Assisted design of linkage‐driven adaptive soft fingers
Notice bibliographique
Résumé
Purpose Adaptive grippers are versatile end effectors that mechanically adapt their shapes to the objects they seize, allowing for soft and delicate grasps while still allowing for strong contact forces if needed and therefore they are well suited for industrial applications. The purpose of this paper is to present a software‐oriented approach to design optimal architectures of linkage‐driven adaptive (often a.k.a underactuated) fingers with three degrees of freedom. Design/methodology/approach The user of the software presented in this paper can design planar underactuated fingers following defined constraints. The software uses an algorithm able to compute the internal and contact forces generated, respectively, in and by the finger, it is also capable of automating the design of non‐straight links to eliminate mechanical interferences, and includes results from a topological synthesis to generate all possible architectures. The mechanisms are evaluated for many criteria such as the volume of their workspaces, stability, force isotropy, stiffness of their grasps, and compactness. Findings This article introduces 11 new designs of underactuated fingers for four different usages, and many of these variants are good candidates for a physical realization. One of the interesting results of this work is the recurrence of S3 variants coupled with torque amplifiers or closely resembling designs using many unrelated performance criteria. Originality/value This paper is the first, to the best of the authors' knowledge, to investigate the systematic design of underactuated fingers driven by linkages considering not one but dozens of mechanical architectures.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».