یک نرم لمسی برای رباتیک سخت افزار

IMAGE

تصویر: نرم tube گسترش می یابد و قرارداد برای ایجاد جنبش است. مشاهده بیشتر

اعتبار: © 2020 ناکاجیما et al.

روبات می تواند ساخته شده از مواد نرم اما انعطاف پذیری از جمله روبات محدود است با گنجاندن سفت و سخت سنسورهای لازم برای کنترل آنها. محققان ایجاد تعبیه شده در سنسور به جای سفت و سخت سنسور که ارائه قابلیت های مشابه اما استطاعت ربات انعطاف پذیری بیشتر. نرم روبات می تواند بیشتر سازگار و انعطاف پذیر سنتی تر و سفت و سخت طرح است. این تیم با استفاده از برش لبه تکنیک یادگیری ماشین برای ایجاد طراحی خود را.

اتوماسیون به طور فزاینده مهم در موضوع هسته ای به این مفهوم اغلب زوج زمینه رباتیک و یادگیری ماشین. رابطه بین یادگیری ماشین و رباتیک است و نه فقط محدود به کنترل رفتاری از روبات ها است اما همچنین مهم است برای طراحی و توابع هسته. یک ربات که در عمل در دنیای واقعی نیاز به درک آن محیط و خود را به منظور به حرکت و انجام وظایف.

اگر جهان به طور کامل قابل پیش بینی و سپس یک ربات خوب خواهد بود در حال حرکت در اطراف و بدون نیاز به یادگیری چیزی جدید در مورد محیط زیست است. اما واقعیت غیر قابل پیش بینی است و همیشه در حال تغییر پس از یادگیری ماشین کمک می کند تا روبات انطباق با موقعیت های ناآشنا. اگر چه این است که به لحاظ نظری درست است برای همه روبات ها آن است که به ویژه مهم برای نرم و سالم روبات ها به عنوان خواص فیزیکی اینها ذاتا کمتر قابل پیش بینی از خود را سفت و سخت هستند.

“نگاهی به عنوان مثال یک ربات با پنوماتیک مصنوعی عضلات (PAM) لاستیک و الیاف مبتنی بر مایع محور سیستم های که گسترش و قرارداد به حرکت” دانشیار گفت: Kohei ناکاجیما از دانشکده تحصیلات تکمیلی علوم و فناوری اطلاعات. “PAMs ذاتا رنج می برند تصادفی مکانیکی سر و صدا و پسماند است که اساسا مواد استرس در طول زمان است. دقیق و مبتنی بر لیزر مانیتور کمک به حفظ کنترل از طریق بازخورد اما این سفت و سخت سنسور محدود کردن یک ربات جنبش بنابراین ما آمد تا با چیزی جدید.”

ناکاجیما و تیم خود فکر کردم اگر آنها می تواند یک مدل PAM در زمان واقعی و سپس آنها می تواند به حفظ کنترل خوب آن است. با توجه به طبیعت همیشه در حال تغییر PAMs این است که واقع بینانه نیست با روش های سنتی مکانیکی و مدل سازی. بنابراین این تیم تبدیل به یک قدرتمند و تاسیس دستگاه یادگیری تکنیک به نام مخزن محاسبات. این است که در آن اطلاعات در مورد یک سیستم در این مورد PAM تغذیه به ویژه شبکه عصبی مصنوعی در زمان واقعی به طوری که مدل است و همیشه در حال تغییر و در نتیجه سازگار با محیط زیست است.

“ما در بر داشت مقاومت الکتریکی PAM مواد تغییرات بسته به شکل آن در هنگام انقباض. بنابراین ما با تصویب این داده ها را به شبکه پس از آن می توانید با دقت در گزارش دولت از پم گفت:” ناکاجیما. “عادی لاستیک عایق است بنابراین ما گنجانیده شده کربن به مواد به راحتی بیشتر بخوانید مختلف آن مقاومت است. ما در بر داشت سیستم شبیه سازی موجود لیزری-جابجایی سنسور با اندازه و دقت بالا در طیف وسیعی از شرایط تست.”

با تشکر از این روش نسل جدیدی از تکنولوژی رباتیک ممکن است. این می تواند شامل روبات ها است که کار با انسان به عنوان مثال پوشیدنی توانبخشی و یا دستگاه های پزشکی روبات به عنوان فوق العاده نرم و لمس به معنی تعامل با آنها آرام و امن است.

“مطالعه ما نشان می دهد مخزن محاسبات می تواند مورد استفاده در برنامه های کاربردی علاوه بر رباتیک. از راه دور-سنجش از برنامه های کاربردی که نیاز به اطلاعات در زمان واقعی پردازش شده در یک شیوه غیر متمرکز می تواند تا حد زیادی به نفع” گفت: ناکاجیما. “و دیگر محققان که مطالعه neuromorphic محاسبات — هوشمند سیستم های کامپیوتری — همچنین ممکن است قادر به ترکیب ایده های ما به کار خود برای بهبود عملکرد سیستم های خود را.”

###

Ryo Sakurai, Mitsuhiro Nishida, Hideyuki Sakurai, Yasumichi Wakao Nozomi آکاشی, Yasuo Kuniyoshi سکسی Minami Kohei ناکاجیما, تقلید از یک سنسور با استفاده از مواد نرم دینامیک: یک مخزن محاسبات به روش پنوماتیک مصنوعی, بدنساز, مجموعه مقالات کنفرانس بین المللی IEEE در نرم رباتیک (RoboSoft) 2020.

این کار توسط JSPS KAKENHI اعطای شماره JP18H05472 است و تا حدی بر اساس نتایج به دست آمده از یک پروژه به سفارش انرژی جدید صنعتی و توسعه فناوری سازمان (NEDO).

لینک های مرتبط

نسل بعدی هوش مصنوعی مرکز تحقیقات

گروه خلاق انفورماتیک

دانشکده تحصیلات تکمیلی علوم و فناوری اطلاعات

RoboSoft 2020 – IEEE کنفرانس نرم رباتیک

تماس با پژوهش

Kohei ناکاجیما

دانشکده تحصیلات تکمیلی علوم و فناوری اطلاعات دانشگاه توکیو

7-3-1 Hongo, کونکوردیا آلاباما-ku, Tokyo 113-8656 ژاپن

تلفن: +81-(0)3-5841-0674

ایمیل: [email protected]

مطبوعات تماس با ما

آقای روهان Mehra

بخش استراتژیک, روابط عمومی دانشگاه توکیو

7-3-1 Hongo, کونکوردیا آلاباما-ku, Tokyo 113-8654 ژاپن

Tel: +81-3-5841-0876

ایمیل: [email protected]

در مورد دانشگاه توکیو

دانشگاه توکیو ژاپن است پیشرو و دانشگاه یکی از دانشگاه های برتر پژوهشی. قریب به اتفاق تحقیقات خروجی برخی از 6000 محققان منتشر شده است در جهان بالا مجالت هنر و علوم است. ما پر جنب و جوش بدن دانش آموز در حدود 15000 نفر در مقطع کارشناسی و 15000 دانشجویان تحصیلات تکمیلی شامل بیش از 4000 دانشجویان بین المللی. پیدا کردن اطلاعات بیشتر در http://www.u-توکیو.ac.jp/en/ یا دنبال ما را در توییتر @UTokyo_News_en.

سلب مسئولیت: AAAS و EurekAlert! مسئول صحت اخبار منتشر شده به EurekAlert! با کمک موسسات و یا برای استفاده از هر گونه اطلاعات از طریق EurekAlert سیستم.

is.gdu.nuclck.ruulvis.netshrtco.de

Leave a reply

You may use these HTML tags and attributes: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>