MétaCan
Menu
Retour à la cohorte
Enregistrement W4410860181 · doi:10.1080/15376494.2025.2509259

A pneumatic soft gripper with pre-deformed stiffener inspired by blowing dragon toys

2025· article· en· W4410860181 sur OpenAlexaff
Yingli Li, Jiajia Ding, Song Yao, Chong Shi

Notice bibliographique

RevueMechanics of Advanced Materials and Structures · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueSoft Robotics and Applications
Établissements canadiensMinistry of Education and Child Care
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésSoft roboticsMechanical engineeringStructural engineeringEngineeringComputer scienceMaterials scienceArtificial intelligenceRobot

Résumé

récupéré en direct d'OpenAlex

The movement of toys not only captures attention of children but also informs the design of soft robotics. Pneumatic actuators are a key area of research in soft robotics due to their lightweight and easily controllable characteristic. This study presents the design of a novel pneumatic soft gripper that integrates a soft, minimally stretchable inflatable tube with a pre-deformed stiffener. The motion of the gripper is inspired by the inflation and deflation process of the blowing dragon toys. The gripper’s bending performance and load capacity are analyzed through theoretical force analysis and finite element simulations. Its grasping performance and versatility were evaluated across a range of applications in experiments. Results indicate a consistent trend between theoretical force analysis, finite element simulations, and experimental outcomes. The proposed soft gripper is capable of grasping objects weighing up to 23.32 g and with a diameter of up to 50 mm, achieving a weight-to-grip ratio of approximately 28.38 times its own weight (0.82 g). Compared with conventional lightweight pneumatic soft grippers, the proposed design exhibits superior load capacity. Furthermore, it demonstrates practical applications in tasks such as catching thumbtacks, collecting items, and cleaning pipes due to its excellent bending performance.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,033
Score d'incertitude au seuil0,506

Scores Codex et Gemma par catégorie

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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,003
Tête enseignante GPT0,200
Écart entre enseignants0,197 · 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 tête enseignante, 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMechanics of Advanced Materials and StructuresMême sujetSoft Robotics and ApplicationsTravaux en français237 207