MétaCan
Menu
Retour à la cohorte
Enregistrement W4395462511 · doi:10.1631/jzus.a2300479

Novel soft robotic finger model driven by electrohydrodynamic (EHD) pump

2024· article· en· W4395462511 sur OpenAlexaff
Xuehang Bai, Yanhong Peng, Dongze Li, Zhuochao Liu, Zebing Mao

Notice bibliographique

RevueJournal of Zhejiang University. Science A · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueSoft Robotics and Applications
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésRoboticsRobotArtificial intelligenceSoft roboticsMechanism (biology)Agile software developmentEngineeringComputer scienceMechanical designMechanical engineeringSimulationControl engineeringSoftware engineering

Résumé

récupéré en direct d'OpenAlex

In summary, this work has pioneered the integration of an EHD robotic finger that incorporates a flexible rubber sheet embedded with soft EHD pumps. The model of this study links the electrical characteristics of the EHD pump (voltage input) with the geometric constraints of the robotic mechanism (deflection angle). The validity of this model has been empirically demonstrated. Our research findings primarily revolve around the manipulation of robotic arms and grasping mechanism. The synthesis of an experimental design and a comprehensive mathematical model showcases the potential of EHD pump-driven soft robotic applications ranging from delicate medical procedures to agile manufacturing processes. Moreover, the achieved maximum bending angle of 37° at 10 kV stands as a testament to the effectiveness of the proposed design and methodology. As an important foundation work in the realm of soft robotics, this research intends to serve as a catalyst for subsequent investigations in EHD pump-robot systems. Noteworthy examples include precision grasping in robotics, complex robotic hand operations, and promoting human-robot collaboration.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,007
Tête enseignante GPT0,202
Écart entre enseignants0,195 · 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

Citations21
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Zhejiang University. Science AMême sujetSoft Robotics and ApplicationsTravaux en français237 207