آخرین مطالب

دستکاری‌های شاخک‌مانند انعطاف‌پذیر که توسط فشار هوا هدایت می‌شوند را می‌توان برای گرفتن و دستکاری اجسام نرم طراحی کرد. —


اگر ربات‌های سنتی مانند خرطوم فیل، شاخک‌های اختاپوس یا انگشتان انسان انعطاف‌پذیر نباشند، در گرفتن و دستکاری اشیاء نرم مشکل دارند.

که در بررسی های فیزیک کاربردیتوسط انتشارات AIP، محققین دانشگاه شانگهای جیائو تونگ در چین نوعی دستکاری کننده نرم چندبخشی را با الهام از این سیستم های بیولوژیکی توسعه دادند. دستکاری‌های نرم مبتنی بر شبکه‌های پنوماتیکی هستند که ساختارهای الاستومری با حرکت پنوماتیکی هستند.

این سازه ها شکل شاخک مانندی دارند و از مجموعه ای از محفظه های داخلی متصل به هم تشکیل شده اند که می توان آنها را به صورت پنوماتیک باد کرد و آنها را مانند یک بالون منفجر کرد. یک طرف شاخک بسیار انعطاف پذیر است در حالی که طرف دیگر سفت تر است. افزایش فشار هوا به محفظه ها باعث خم شدن سازه به سمت سفت می شود.

دونگ وانگ، نویسنده این کتاب گفت: ما دستکاری‌های نرم را با استفاده از یک مدل ریاضی طراحی کرده‌ایم که می‌تواند یک مسیر فضایی سه بعدی خاص را دنبال کند. «دستکاری‌کننده نرم ما متشکل از بخش‌های متعددی است که در آن هر بخش با انتخاب جهت‌گیری‌های محفظه‌ای مختلف، حالت فعال‌سازی متفاوتی را نشان می‌دهد – پیچش، خمش درون صفحه، یا تحریک مارپیچی.

پیشرفت کلیدی این کار توسعه یک روش ریاضی است که می تواند به طور خودکار دستکاری های نرم را طراحی کند که مسیرهای پیچیده سه بعدی را با یک فشار واحد منطبق می کند.

این گروه با تغییر پارامترهای هندسی، مواد و بارگذاری برای ساختارهای شبکه پنوماتیک خود، دستکاری‌کننده‌ها را برای انواع مسیرهای سه بعدی طراحی کردند. آنها توانستند یک طراحی معکوس برای ایجاد یک دستکاری که یک مسیر مشخص را دنبال کند، انجام دهند.

روش طراحی متکی بر یک مدل ریاضی است که استفاده از آن بسیار کمتر از مدل‌های محاسباتی سنتی است. این گروه تأیید کردند که تکنیک ریاضی آنها طرح های دستکاری کننده با رفتارهایی شبیه به مدل های محاسباتی تولید می کند. آنها نتایج خود را با استفاده از آزمایش های ساده تأیید کردند.

نویسنده Guoying Gu گفت: «برای دستیابی به کاربردهای واقعاً همه کاره دستکاری‌کننده‌های نرم طراحی‌شده، کار بیشتری مورد نیاز است.

در میان این کار آینده، استراتژی هایی برای گسترش رویکرد به سیستم هایی با محرک های متعدد است. علاوه بر این، فرآیند طراحی معکوس هنوز کاملاً خودکار نیست، زیرا در مرحله اول فرآیند، یک اپراتور انسانی باید مناطقی از منحنی را انتخاب کند که به چرخش، خمش یا تغییر شکل مارپیچ اختصاص داده شده است.

گو گفت: “ما می توانیم یک سیستم خودکار را برای انجام این مرحله با استفاده از یادگیری ماشین یا روش های دیگر متصور شویم.”

این کار باید در گیره های رباتیک، دستگاه های قابل کاشت و پوشیدنی و روبات هایی که در زمین های غیرقابل پیش بینی حرکت می کنند، کاربرد داشته باشد.

منبع داستان:

مواد ارائه شده توسط موسسه فیزیک آمریکا. توجه: محتوا ممکن است برای سبک و طول ویرایش شود.