MétaCan
Menu
Retour à la cohorte
Enregistrement W3014670980 · doi:10.1039/c9sm02103e

Gait-optimized locomotion of wave-driven soft sheets

2020· article· en· W3014670980 sur OpenAlexaff
Pearson W. Miller, Jörn Dunkel

Notice bibliographique

RevueSoft Matter · 2020
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueMicro and Nano Robotics
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésBendingGaitSoft matterRobotDeformation (meteorology)Soft tissueComputer scienceSoft roboticsMaterials sciencePhysicsArtificial intelligencePhysical medicine and rehabilitationEngineeringComposite materialMedicine

Résumé

récupéré en direct d'OpenAlex

Inspired by the robust locomotion of limbless animals in a range of environments, the development of soft robots capable of moving by localized swelling, bending, and other forms of differential growth has become a target for soft matter research over the last decade. Engineered soft robots exhibit a wide range of morphologies, but theoretical investigations of soft robot locomotion have largely been limited to slender bodied or one-dimensional examples. Here, we demonstrate design principles regarding the locomotion of two-dimensional soft materials driven by morphoelastic waves along a dry substrate. Focusing on the essential common aspects of many natural and man-made soft actuators, a continuum model is developed which links the deformation of a thin elastic sheet to surface-bound excitation waves. Through a combination of analytic and numerical methods, we investigate the relationship between induced active stress and self-propulsion performance of self-propelling sheets driven by FitzHugh-Nagumo type chemical waves. Examining the role of both sheet geometry and terrain geography on locomotion, our results can provide guidance for the design of more efficient soft crawling devices.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,698
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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)0,0070,001

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 Opus0,015
Tête enseignante GPT0,217
Écart entre enseignants0,202 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations9
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSoft MatterMême sujetMicro and Nano RoboticsTravaux en français237 207