Closed‐Loop Haptic–Thermal Perception with Memristor‐Based Spiking Neurons for Embodied Neuromorphic Intelligence
Notice bibliographique
Résumé
Abstract Advances in embodied intelligence necessitate the integration of tactile and thermal sensing in artificial sensory systems to enable adaptive human–robot interactions, which compensate for insufficient or entirely unavailable visual information in contact‐haptic operations. Here, a closed‐loop haptic–thermal perception system featuring silver nanowire (AgNW) memristors with dual‐mode pressure‐temperature sensors is presented. Optimized via spin‐coating AgNWs and ALD‐grown Al 2 O 3 encapsulation, AgNW memristors demonstrate bidirectional threshold switching behavior with ultralow leakage current (<1 nA), sub‐1V threshold voltage, and ambient stability. Flexible dual‐mode sensors convert external stimuli into electrical signals, mimicking the human skin's perception of pressure and temperature. Sensory stimuli are processed by AgNW memristor‐based spiking neurons, which can fuse simulated information from dual‐mode sensors into a spike sequence and classify via convolutional neural networks (CNNs), emulating four haptic–thermal perceptual levels in a robot hand—from gentle touch to extreme discomfort. This architecture enables energy‐efficient, low‐latency decision‐making that facilitates artificial nociceptive reflexes for safe human–robot interaction while advancing neuromorphic devices for next‐generation wearable electronics and embodied intelligence.
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 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) | 0,000 | 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 | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».