Bistable Stopper Design and Force Prediction for Precision and Power Grasps of Soft Robotic Fingers for Industrial Manipulation
Notice bibliographique
Résumé
Abstract This article aims at presenting a detailed and practical comparison between three designs of robotic soft fingers for industrial grippers. While the soft finger based on the fin ray effect (FRE) shown here has been proposed long ago, few works in the literature have studied its reliance on the presence of the crossbeams or its precision grasp performance compared to its power grasps. Aiming at addressing these gaps, two novel designs are proposed and compared to FRE fingers in this article. First, the three designs are presented. One of these fingers, named PacomeFlex, embeds changeable grasping modes by relying on two sets of kinematic structures with a bistable stopper design. Then, finite element analyses (FEA) are conducted to simulate power and precision grasps of the three fingers followed by the estimation of the grasp forces produced. These FEA are then used to train neural networks capable of predicting these grasp forces. Finally, the grasp strength and pullout resistance of the fingers are experimentally measured, and experimental results are shown to be in good accordance with the FEA and neural network models. As will also be shown, the PacomeFlex finger introduced in this work provides a noticeably higher performance level than all other fingers with respect to typical metrics in soft grasping.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».