Object Rotation and Translation for Serial Planar Acoustic Microassembly
Notice bibliographique
Résumé
Damage-prone microscale products that need to be mass-assembled, such as surface mount devices, would benefit from being assembled in mid-air using acoustic forces. These forces can manipulate objects without contact, thereby circumventing damage. However, joining two objects together, which is a key step in assembly, is challenging to do acoustically because as the objects approach each other, the acoustic waves scattering off one object begins to greatly impact the position and orientation of the other object. Previous demonstrations of acoustic microassembly have demonstrated various techniques to overcome the acoustic scattering force, such as assembling, within a gel medium or using a robotic arm for object translation but there is still no way of achieving complex, configurable, 3-D assemblies in mid-air by purely using acoustic waves. To better maintain the object's orientation under a dominating acoustic scattering effect, we developed a new acoustic rotation algorithm called the two-segment phase gradient (TSPG) algorithm, which can rotate the object with an rms error of 12$^{\circ }$under open-loop control while maintaining the object's centroid with an root mean squared error (RMSE) of 0.41 mm. Next, we demonstrate an alternative technique to overcome the acoustic scattering force by using the widely used single trap algorithm to cause one object to jump toward another object at a specified position and orientation. Finally, we demonstrate how the TSPG algorithm and single trap algorithm can be used to generate complex and configurable 2-D assemblies.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».