MétaCan
Menu
Retour à la cohorte
Enregistrement W2584350454 · doi:10.1038/ncomms14230

Hydraulic hydrogel actuators and robots optically and sonically camouflaged in water

2017· article· en· W2584350454 sur OpenAlexfundno aff
Hyunwoo Yuk, Shaoting Lin, Chu Ma, Mahdi Takaffoli, Nicholas X. Fang, Xuanhe Zhao

Notice bibliographique

RevueNature Communications · 2017
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueMicro and Nano Robotics
Établissements canadiensnon disponible
Organismes subventionnairesOffice of Naval ResearchNatural Sciences and Engineering Research Council of CanadaMultidisciplinary University Research InitiativeCharles Stark Draper LaboratorySamsungDivision of Civil, Mechanical and Manufacturing InnovationNational Science Foundation
Mots-clésSelf-healing hydrogelsActuatorCamouflageRobotComputer scienceMaterials scienceRobustness (evolution)BiomimeticsNanotechnologyArtificial intelligenceChemistry

Résumé

récupéré en direct d'OpenAlex

Sea animals such as leptocephali develop tissues and organs composed of active transparent hydrogels to achieve agile motions and natural camouflage in water. Hydrogel-based actuators that can imitate the capabilities of leptocephali will enable new applications in diverse fields. However, existing hydrogel actuators, mostly osmotic-driven, are intrinsically low-speed and/or low-force; and their camouflage capabilities have not been explored. Here we show that hydraulic actuations of hydrogels with designed structures and properties can give soft actuators and robots that are high-speed, high-force, and optically and sonically camouflaged in water. The hydrogel actuators and robots can maintain their robustness and functionality over multiple cycles of actuations, owing to the anti-fatigue property of the hydrogel under moderate stresses. We further demonstrate that the agile and transparent hydrogel actuators and robots perform extraordinary functions including swimming, kicking rubber-balls and even catching a live fish in water.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,284
Écart entre enseignants0,271 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations975
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNature CommunicationsMême sujetMicro and Nano RoboticsTravaux en français237 207