Impedance-Modulated Soft Strain Sensor with High Stability for Humanoid Robots
Notice bibliographique
Résumé
Soft strain sensors are crucial for enabling humanoid robots to perform industrial, medical, and other human-related tasks. However, the limited internal space of humanoid robots exposes soft strain sensors to interference from line resistance, contact resistance, and alternating magnetic fields generated by motor actuator systems and power conversion circuits. To address this issue, inspired by biological neural signal systems, this work proposes an impedance-modulated soft strain sensor with high stability. The sensor combines a liquid metal (LM) resistor, a capacitor, and an inductor to form a passive band-stop filter, which is encapsulated in a soft elastomer. Tensile strain increases the resistance of the LM resistor, reducing the impedance of the sensor at resonance and converting the resistance signal into an impedance-modulated signal. Based on filter theory, the circuit structure of the sensor and the selection of the resistance, capacitance, and inductance components are analyzed in terms of stability, sensitivity, and measurement feasibility. By employing a series connection of resistance and inductance, the sensor achieves high impedance at resonance, effectively suppressing interference from line and contact resistance. Additionally, the frequency of the impedance-modulated sensor does not overlap with the frequency of electromagnetic interference (EMI) from the humanoid robot motor drivers, achieving immunity to EMI. Furthermore, a Field Programmable Gate Array-based signal acquisition system is constructed to measure the impedance-modulated signal. Finally, an application of this impedance-modulated sensor in humanoid robots and wearable devices is demonstrated.
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) | 0,000 | 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».