MétaCan
Menu
Retour à la cohorte
Enregistrement W3186541188 · doi:10.1002/aisy.202100012

Photoresponsive Biomimetic Soft Robots Enabled by Near‐Infrared‐Driven and Ultrarobust Sandwich‐Structured Nanocomposite Films

2021· article· en· W3186541188 sur OpenAlexaff
Yi Yu, Ran Peng, Zihe Chen, Li Yu, Jinhua Li, Jianying Wang, Xinyu Liu, Qian Wang, Xianbao Wang

Notice bibliographique

RevueAdvanced Intelligent Systems · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Materials and Mechanics
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNational Natural Science Foundation of ChinaFundamental Research Funds for the Central UniversitiesNational Science Foundation
Mots-clésCreaturesSmart materialMaterials scienceNanocompositeSoft roboticsSoft materialsNanotechnologyPolyimideRobotBiomimeticsComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Soft robots, intelligent structures built up of smart soft materials, are capable of being programmed to perform delicate work. Recently, plenty of biomimetic soft robots with functionalities of grasping, sensing, searching, and transporting have been exploited by emulating activities of living creatures adapting to ecological environments. However, mass production of biomimetic soft robots has remained a grand challenge while maintaining stable pre‐engineered functionalities under distinct circumstances, which significantly constrains their practical applications. To this end, a facile and scalable approach that can be utilized for mass‐producing sandwich‐structured photoresponsive polyimide (PI)/Au/low‐density polyethylene (LDPE) nanocomposite films is reported. Attributed to the remote and precise‐driven mode, reversible and stable actuation behavior, and the ultrarobust mechanical properties of the sandwich‐structured PI/Au/LDPE nanocomposite films, it was possible to devise a variety of photoresponsive biomimetic soft robots such as artificial flytrap, directionally moveable caterpillar‐inspired walker, and dolphin‐like cruisable and loadable swimmer via simply tailoring them into predesigned geometries.

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 seuil0,003

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 Opus0,006
Tête enseignante GPT0,207
Écart entre enseignants0,201 · 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

Citations4
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvanced Intelligent SystemsMême sujetAdvanced Materials and MechanicsTravaux en français237 207