活久见!捡几根树枝就能做机器人…会走路能抓握,未来还可应用于医疗康复
从现在开始,我们要努力学习啦!今天我给大家带来《活久见!捡几根树枝就能做机器人…会走路能抓握,未来还可应用于医疗康复》,感兴趣的朋友请继续看下去吧!下文中的内容我们主要会涉及到等等知识点,如果在阅读本文过程中有遇到不清楚的地方,欢迎留言呀!我们一起讨论,一起学习!
如果让你用手头的东西做一个机器人,你能想到什么?
树枝行不行?当然没问题。
漂亮国的一个博士小哥随便捡几支树枝,做成了一个会走路又会抓握的机器人,也许这就是科(shou)学(yi)家(ren)的最高境界吧。
这个机器人人如其名,叫做StickBot,看起来真的很粗糙,谁能想到它竟然还能通过APP来控制运动!
除了树枝外,它由电路、执行器、微控制器和电机驱动器组成,共有两种模式:在“爬行模式”中,树枝就是机器人的腿,可以旋转着向前爬行:

在“抓握模式”下,树枝又成为了手臂,摇杆连接到一侧的控制器板上以形成铰链接头,同时通过其自由端移动以牢牢地抓握住杯子,当感受到有人要取走杯子时,它会自动松开手臂。

这个机器人的设计者是宾夕法尼亚大学的博士生Devin Carroll,根据他的说法,“这是一种模块化机器人,你可以把一堆树枝装成不同配置的各种结构。”

这位小哥的奇思妙想还不止于此,除了树枝机器人外,他还制作过一个完全由冰块制成的机器人IceBot,还在2020年获得了吉尼斯世界纪录。
IceBot有着长方形的身体和两个大轮子,看起来像是一辆怪物卡车和手推车的混合体。

为什么要做这样的机器人?
多数机器人的设计是一个非常繁琐的过程,在开始之前,设计者必须清楚机器人能做哪些事情、以及如何做到;之后,设计者才开始构建机器人原型,发现设计中的所有问题,提出一些与众不同的改进方案以实现更佳的性能,并在时间和金钱耗尽之前重复这一过程。
而树枝机器人则完全不同,它不是一个静态的、单一的发明,而是一个想法,一个可以以多种方式重新配置的灵活系统。
作为模块化机器人,StickBot 的组件可以根据需要添加、调整和丢弃,它具有强大的重用性、灵活性,同时可以保持非常低的成本。

对于一个简单的模型,StickBot 的总构建成本不到 100 美元,其中一些组件(如执行器和电机驱动器)是机器人功能不可或缺的一部分。
而其他组件可以根据正在执行的任务和手头的材料进行更换。例如,Carroll小哥正在探索使用热胶和胶带代替捆绑机器人的绳子。

Carroll 的导师 Mark Yim 在宾夕法尼亚大学工作了 17 年,现任通用机器人、自动化、传感和感知(GRASP) 实验室主任。Yim 表示:“模块化机器人的高度多功能性为该技术的发展提供了很大的潜力,其中一个迭代是自配置机器人。”
“人类很擅长适应不同的环境,天冷了,你就穿上外套。机器人也可以做到这一点,如果机器人可以改变它们的形状,做不同的事情……它会给你更多的可能性。”
即时创造,还能应用于医疗康复
StickBot的一种未来应用是全球医疗保健中的康复设置,可以作为假肢或者用于康复治疗。
设计者发出疑问:那些昂贵的高端医疗程序,患者在每种情况下都能负担得起吗?一旦某高科技设备坏了,修复起来该有多困难?
宾夕法尼亚大学医学院康复副教授 Michelle J. Johnson 赞同了这个看法,她认为StickBot 系统还有可能用作社交、治疗、假肢或辅助机器人,或用于支持即时的功能需求、帮助患者进行物理治疗锻炼等。
“我们做了两件事情”设计者Carroll说:“第一,我们降低了机器人的材料成本;第二,我们可以在不减少操作功能的情况下降低复杂性。拥有做更多事情的灵活性意味着你可以帮助更多的人。如果你能让它变得便宜,那就更好了。”
以上就是本文的全部内容了,是否有顺利帮助你解决问题?若是能给你带来学习上的帮助,请大家多多支持golang学习网!更多关于科技周边的相关知识,也可关注golang学习网公众号。
斯坦福新研究:ChatGPT背后模型被证实具有人类心智
- 上一篇
- 斯坦福新研究:ChatGPT背后模型被证实具有人类心智
- 下一篇
- 人工智能技术助力新冠疫苗研发
-
- 科技周边 · 人工智能 | 1小时前 |
- Hugging Face Datasets map batched 返回长度不一致时怎么定位
- 213浏览 收藏
-
- 科技周边 · 人工智能 | 1小时前 |
- Hugging Face Datasets flatten 怎么展开嵌套字段并保留特征类型
- 455浏览 收藏
-
- 科技周边 · 人工智能 | 1小时前 |
- Hugging Face Datasets with_format 和 set_format 混用后为什么列类型变了
- 228浏览 收藏
-
- 科技周边 · 人工智能 | 1小时前 | 兼容性 · LiteRT Select TF Ops TFLITE_BUILTINS TensorFlow模型转换 不支持算子
- LiteRT 转换遇到不支持算子时怎么判断是否启用 Select TF Ops
- 226浏览 收藏
-
- 科技周边 · 人工智能 | 1小时前 | 人工智能 · LiteRT SignatureDef 多输入模型 端侧推理
- LiteRT SignatureDef 多输入模型怎么按签名准备推理张量
- 191浏览 收藏
-
- 科技周边 · 人工智能 | 1小时前 |
- Keras 自定义 train_step 怎么让正则损失继续参与梯度
- 343浏览 收藏
-
- 科技周边 · 人工智能 | 1小时前 | 人工智能 · 深度学习 · Keras RaggedTensor keras.Input ragged=True TensorFlow backend 模型保存 load_model 变长序列
- Keras RaggedTensor 输入模型保存后怎么保持变长序列结构
- 250浏览 收藏
-
- 科技周边 · 人工智能 | 2小时前 | 人工智能 · Keras NaN mixed_float16 mixed precision loss scale 输入范围 dtype policy
- Keras mixed_float16 训练出现 NaN 怎么区分 loss scale 和输入范围
- 337浏览 收藏
-
- 科技周边 · 人工智能 | 2小时前 | 人工智能 · 深度学习 · PyTorch strict state_dict load_state_dict module. 前缀 检查点迁移
- PyTorch state_dict 参数名前缀变化后怎么兼容旧检查点
- 436浏览 收藏
-
- 科技周边 · 人工智能 | 2小时前 | 人工智能 · 深度学习 · 内存优化 · 内存 PyTorch 按需加载 mmap checkpoint torch.load map_location state_dict
- PyTorch torch.load 开启 mmap 后为什么读取参数时才占用内存
- 475浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 452次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 520次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 536次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 482次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 304次使用
-
- 本地大模型反复输出同一句话怎么调整生成参数
- 2026-09-06 501浏览
-
- Python 调用大模型时如何用结构化输出校验 JSON:从解析失败到可重试
- 2026-08-29 501浏览
-
- AI写作工具免费版安装教程(含豆包Clawdbot)
- 2026-05-30 501浏览
-
- WPS AI能自动生成PPT吗?输入主题一键制作演示文稿
- 2026-05-27 501浏览
-
- Canva手机闪退解决方法及适配指南
- 2026-05-25 501浏览

