MétaCan
Menu
Retour à la cohorte
Enregistrement W4200397375 · doi:10.1038/s41467-021-27265-w

Legless soft robots capable of rapid, continuous, and steered jumping

2021· article· en· W4200397375 sur OpenAlexaff
Rui Chen, Zean Yuan, Jianglong Guo, Long Bai, Xinyu Zhu, Fuqiang Liu, Huayan Pu, Liming Xin, Yan Peng, Jun Luo, Li Wen, Yu Sun

Notice bibliographique

RevueNature Communications · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueSoft Robotics and Applications
Établissements canadiensUniversity of Toronto
Organismes subventionnairesEngineering and Physical Sciences Research CouncilNational Natural Science Foundation of ChinaUniversity of Bristol
Mots-clésJumpingRobotObstacleComputer scienceActuatorSimulationObstacle avoidanceMobile robotControl theory (sociology)Artificial intelligenceControl (management)Biology

Résumé

récupéré en direct d'OpenAlex

Jumping is an important locomotion function to extend navigation range, overcome obstacles, and adapt to unstructured environments. In that sense, continuous jumping and direction adjustability can be essential properties for terrestrial robots with multimodal locomotion. However, only few soft jumping robots can achieve rapid continuous jumping and controlled turning locomotion for obstacle crossing. Here, we present an electrohydrostatically driven tethered legless soft jumping robot capable of rapid, continuous, and steered jumping based on a soft electrohydrostatic bending actuator. This 1.1 g and 6.5 cm tethered soft jumping robot is able to achieve a jumping height of 7.68 body heights and a continuous forward jumping speed of 6.01 body lengths per second. Combining two actuator units, it can achieve rapid turning with a speed of 138.4° per second. The robots are also demonstrated to be capable of skipping across a multitude of obstacles. This work provides a foundation for the application of electrohydrostatic actuation in soft robots for agile and fast multimodal locomotion.

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 seuil0,005

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 Opus0,015
Tête enseignante GPT0,252
Écart entre enseignants0,237 · 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

Citations117
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNature CommunicationsMême sujetSoft Robotics and ApplicationsTravaux en français237 207