MétaCan
Menu
Retour à la cohorte
Enregistrement W4320726951 · doi:10.34133/cbsystems.0015

Ultrafast Miniature Robotic Swimmers with Upstream Motility

2023· article· en· W4320726951 sur OpenAlexaff
Yibin Wang, Hui Chen, Junhui Law, Xingzhou Du, Jiangfan Yu

Notice bibliographique

RevueCyborg and Bionic Systems · 2023
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueMicro and Nano Robotics
Établissements canadiensUniversity of Toronto
Organismes subventionnairesBasic and Applied Basic Research Foundation of Guangdong ProvinceChinese University of Hong KongNational Natural Science Foundation of China
Mots-clésFluidicsRobotUpstream (networking)Imaging phantomAgile software developmentPropulsionSimulationMechanical engineeringMarine engineeringComputer scienceAerospace engineeringEngineeringAcousticsPhysicsArtificial intelligenceOptics

Résumé

récupéré en direct d'OpenAlex

With the development of materials science and micro-nano fabrication techniques, miniature soft robots at millimeter or submillimeter size can be manufactured and actuated remotely. The small-scaled robots have the unique capability to access hard-to-reach regions in the human body in a noninvasive manner. To date, it is still challenging for miniature robots to accurately move in the diverse and dynamic environments in the human body (e.g., in blood flow). To effectively locomote in the vascular system, miniature swimmers with upstream swimming capability are required. Herein, we design and fabricate a miniature robotic swimmer capable of performing ultrafast swimming in a fluidic environment. The maximum velocity of the swimmer in water is 30 cm/s, which is 60 body lengths. Moreover, in a tubular environment, the swimmer can still obtain a swimming velocity of 17 cm/s. The swimmer can also perform upstream swimming in a tubular environment with a velocity of 5 cm/s when the flow speed is 10 cm/s. The ultrasound-guided navigation of the swimmer in a phantom mimicking a blood vessel is also realized. This work gives insight into the design of agile undulatory milliswimmers for future biomedical applications.

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 savante0,0000,001
Science ouverte0,0000,001
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 Opus0,009
Tête enseignante GPT0,212
Écart entre enseignants0,204 · 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

Citations65
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCyborg and Bionic SystemsMême sujetMicro and Nano RoboticsTravaux en français237 207