A Gecko‐Inspired Robot Using Novel Variable‐Stiffness Adhesive Paw Can Climb on Rough/Smooth Surfaces in Microgravity
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Space‐wall‐climbing robots face the challenge of stably attaching to and moving on spacecraft surfaces, which include smooth flat areas and rough intricate surfaces. Although adhesion‐based wall‐climbing robots demonstrate stable climbing on smooth surfaces in outer space, there is scarce research on their stable adhesion on rough surfaces within a microgravity environment. A novel adhesive material is developed inspired by the adhesion mechanism and locomotion of the Gekko gecko. This material exhibits exceptional adhesion across various materials and surface roughness. A variable‐stiffness gecko‐inspired paw is engineered, generating substantial adhesion forces while minimizing detachment forces. Impressively, this paw generates up to 180 N of adhesion force on smooth surfaces and achieves detachment without external forces. By integrating such variable‐stiffness paws with a wall‐climbing robot, a gecko‐inspired robot effectively operating in a microgravity environment is created. The robotic satellite surface climbing experiments and robotic satellite capture experiments are conducted using a simulated microgravity environment and a satellite model. The results unequivocally demonstrate the gecko‐inspired robot's proficiency in executing various functions, including stable motion and capture on both smooth and rough spacecraft surfaces within a microgravity environment. These experiments underscore the potential of adhesion‐based gecko‐inspired robots for in‐orbit services and spacecraft capture and recovery.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 découle