MétaCan
Menu
Retour à la cohorte
Enregistrement W3202192631 · doi:10.1108/ir-01-2021-0013

Development of a novel robotic hand with soft materials and rigid structures

2021· article· en· W3202192631 sur OpenAlexaff
Yongyao Li, Ming Cong, Dong Liu, Yu Du, Minjie Wu, Clarence W. de Silva

Notice bibliographique

RevueIndustrial Robot the international journal of robotics research and application · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueSoft Robotics and Applications
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésKinematicsGRASPStiffnessFlexibility (engineering)Soft roboticsComputer scienceRobotProcess (computing)Artificial intelligenceRigid bodySoft materialsRobotic handSimulationControl engineeringEngineeringComputer visionStructural engineeringMathematics

Résumé

récupéré en direct d'OpenAlex

Purpose Rigid robotic hands are generally fast, precise and capable of exerting large forces, whereas soft robotic hands are compliant, safe and adaptive to complex environments. It is valuable and challenging to develop soft-rigid robotic hands that have both types of capabilities. The paper aims to address the challenge through developing a paradigm to achieve the behaviors of soft and rigid robotic hands adaptively. Design/methodology/approach The design principle of a two-joint finger is proposed. A kinematic model and a stiffness enhancement method are proposed and discussed. The manufacturing process for the soft-rigid finger is presented. Experiments are carried out to validate the accuracy of the kinematic model and evaluate the performance of the flexible body of the finger. Finally, a robotic hand composed of two soft-rigid fingers is fabricated to demonstrate its grasping capacities. Findings The kinematic model can capture the desired distal deflection and comprehensive shape accurately. The stiffness enhancement method guarantees stable grasp of the robotic hand, without sacrificing its flexibility and adaptability. The robotic hand is lightweight and practical. It can exhibit different grasping capacities. Practical implications It can be applied in the field of industrial grasping, where the objects are varied in materials and geometry. The hand’s inherent characteristic removes the need to detect and react to slight variations in surface geometry and makes the control strategies simple. Originality/value This work proposes a novel robotic hand. It possesses three distinct characteristics, i.e. high compliance, exhibiting discrete or continuous kinematics adaptively, lightweight and practical structures.

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: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

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 technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,091
Tête enseignante GPT0,331
Écart entre enseignants0,241 · 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

Citations9
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIndustrial Robot the international journal of robotics research and applicationMême sujetSoft Robotics and ApplicationsTravaux en français237 207