当前位置:首页 > 文章列表 > 科技周边 > 人工智能 > 如何造出既灵活又坚固的机器人?拧瓶盖螺丝不在话下

如何造出既灵活又坚固的机器人?拧瓶盖螺丝不在话下

来源:51CTO.COM 2023-04-27 10:55:37 0浏览 收藏

在IT行业这个发展更新速度很快的行业,只有不停止的学习,才不会被行业所淘汰。如果你是科技周边学习者,那么本文《如何造出既灵活又坚固的机器人?拧瓶盖螺丝不在话下》就很适合你!本篇内容主要包括##content_title##,希望对大家的知识积累有所帮助,助力实战开发!

​大数据文摘作品

作者:Mickey

研究人员在创建机器人时,很容易陷入两种特质的平衡困境——灵活与坚固。一般来说,这两种特质很难兼得,但对于很多需要细致操作的场景,又缺一不可。

在最近的一项研究中,研究人员创造了一种机器人,它具有高度的灵活性,同时仍能保持“肌肉”的高度紧张,使其有足够的扭转运动来完成困难的任务。在一项实验中,该机器人能够从瓶子上取下盖子,同时产生的扭转运动是同类领先机器人的 2.5 倍。

这一结果发表在 1 月 13 日的IEEE机器人和自动化快报上。

图片

论文链接:https://ieeexplore.ieee.org/document/9999348

张拉整体机器人由刚性框架和软缆组成的网络组成,这使它们能够通过调整内部张力来改变形状。

参与这项研究的东京工业大学硕士生 Ryota Kobayashi 解释说:“张拉整体结构因其独特的特性——轻便、灵活和耐用而有颇具优势。” “这些机器人可以在具有挑战性的未知环境中运行,例如洞穴或太空,并具有更复杂和有效的行为。”

张拉整体机器人的基础结构可以有不同数量的刚性结构或“杆”,整体数量从 2 到 12 个不等,有时甚至更多——但根据一般经验,具有更多杆的机器人通常更复杂且更难设计。

20%的收缩,2个方向50度大扭转

张拉整体机器人由刚性框架和软缆组成的网络组成,这使它们能够通过调整内部张力来改变形状。

在他们的研究中, Ryota的团队创造了一个张拉整体机器人,它依赖于六根张拉整体模块。为了确保机器人实现强大的扭转,使用了三角形的虚拟地图,机器人的人造肌肉被放置在其中,以便它们连接三角形的顶点。当肌肉收缩时,它会使三角形的顶点靠得更近。

依靠这项技术,机器人仅使用人造肌肉 20% 的收缩就实现了两个方向 50 度的大扭转运动。Ryota说,他的团队对系统的效率感到惊讶——人造肌肉的微小收缩会导致大幅收缩和扭转变形。

扭转是已有机器人的2.5倍

“大多数六杆张拉整体机器人只会在结构轻微变形的情况下滚动,导致运动受限,”东京工业大学助理教授 Hiroyuki Nabae 说,他也参与了这项研究。值得注意的是,作者报告说,他们的六杆机器人产生的大扭转运动是已有六杆张拉整体机器人的 2.5 倍。

接下来,研究团队给机器人装上橡胶手指,帮助它抓取物体,测试它完成任务的能力。在一项实验中,机器人手臂降低到一个可口可乐瓶上,抓住瓶盖,转动,抬起手臂并重复一次抓握和转动动作,以在几秒钟内取下瓶盖。

研究人员正在考虑以这项技术为基础的方法,例如,通过增加机器人向不同方向弯曲的能力,并结合允许机器人识别其环境中的新形状的技术。后者的进步可以帮助机器人根据需要更好地适应新的环境和任务。

素材来源:https://spectrum.ieee.org/tensegrity-robot?utm_campaign=post-teaser&utm_cnotallow=e0401vfk

好了,本文到此结束,带大家了解了《如何造出既灵活又坚固的机器人?拧瓶盖螺丝不在话下》,希望本文对你有所帮助!关注golang学习网公众号,给大家分享更多科技周边知识!

版本声明
本文转载于:51CTO.COM 如有侵犯,请联系study_golang@163.com删除
当今零售边缘IT环境中的数据困境当今零售边缘IT环境中的数据困境
上一篇
当今零售边缘IT环境中的数据困境
使用PyTorch进行小样本学习的图像分类
下一篇
使用PyTorch进行小样本学习的图像分类
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    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
    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
    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
    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
    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
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    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。
    405次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    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。
    483次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    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。
    493次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    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。
    437次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    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。
    262次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码