The application of granular jamming in soft robotics is a recent and promising new technology offer exciting possibilities for creating higher performance robotic devices. Granular jamming is achieved via the application of a vacuum pressure inside a membrane containing particulate matter, and is particularly interesting from a design perspective, as a myriad of design parameters can potentially be exploited to induce a diverse variety of useful behaviours. To date, the effect of variables such as grain shape and size, as well as membrane material, have been studied as a means of inducing bespoke gripping performance, however the other main contributing factor, membrane morphology, has not been studied due to its particular complexities in both accurate modelling and fabrication. This research presents the first study that optimises membrane morphology for granular jamming grippers, combining multi-material 3D printing and an evolutionary algorithm to search through a varied morphology design space in materio. Entire generations are printed in a single run and gripper retention force is tested and used as a fitness measure. Our approach is relatively scalable, circumvents the need for modelling, and guarantees the real-world performance of the grippers considered. Results show that membrane morphology is a key determinant of gripper performance. Common high performance designs are seen to optimise all three of the main identified mechanisms by which granular grippers generate grip force, are significantly different from a standard gripper morphology, and generalise well across a range of test objects.


翻译:在软机器人中应用颗粒干扰颗粒体是最近一项令人振奋的新技术,很有希望的新技术为创造更高性能的机器人装置提供了令人兴奋的可能性。通过在含有颗粒物质的薄膜内应用真空压力来实现颗粒干扰,从设计角度看特别有趣,因为许多设计参数都有可能被用于诱发各种各样的有益行为。迄今为止,对谷物形状和大小等变数以及膜材料的影响进行了研究,作为诱导令人惊叹的握性性能的一种手段,然而,其他主要促成因素,即膜形态学,由于精确的建模和制造方面的特殊复杂性,尚未得到研究。这一研究提出了第一项研究,即对颗粒干扰抓器的膜形态形态进行选取,将多材料的3D印刷和进化算法结合起来,以便通过不同的形态设计空间进行搜索。对各代人进行单项运行,并将其作为一种健身保留力的一种衡量尺度。我们的方法比较可伸缩,绕了建模的物体,从而避免了建模需要,并保障了对颗粒的颗粒形形态的形态形态形态形态形态的特性,从而明显地展示了常规的品系的品位。

0
下载
关闭预览

相关内容

专知会员服务
50+阅读 · 2020年12月14日
专知会员服务
123+阅读 · 2020年9月8日
专知会员服务
60+阅读 · 2020年3月19日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
59+阅读 · 2019年10月17日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
视觉机械臂 visual-pushing-grasping
CreateAMind
3+阅读 · 2018年5月25日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
The StarCraft Multi-Agent Challenge
Arxiv
3+阅读 · 2019年2月11日
Efficient and Effective $L_0$ Feature Selection
Arxiv
5+阅读 · 2018年8月7日
Arxiv
4+阅读 · 2015年3月20日
VIP会员
相关资讯
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
视觉机械臂 visual-pushing-grasping
CreateAMind
3+阅读 · 2018年5月25日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Top
微信扫码咨询专知VIP会员