Soft actuators have a high potential for safe human-robot interaction and the creative design of flexible robots. Making soft actuators act like human muscles has been a sustained goal of researchers worldwide. So far, significant progress has been made in flexibility, deformation amplitude, and variable stiffness of soft actuators. However, there are still deficiencies in output force and force retention. Human muscle has ideal force performance, mainly due to muscle cross-bridge structures' motion. Inspired by cross-bridges, this paper proposes a new folding design of soft actuators driven by negative pressure fluid. Meanwhile, we establish a theoretical model to predict such an actuator's output force and displacement under given pressures. Next, five actuators are fabricated using three different materials and evaluated on a test platform. The test results reveal that one generates the maximum pull force of 1125.9N and the maximum push force of 818.2N, and another's full output force reaches 600 times its weight. Finally, demonstrative experiments are conducted extensively, including stretching, contracting, clamping, single-arm power assistance, and underwater movement. They show our actuators' characteristics of a large output force, strong force retention, two-way working, and even generating human-muscle-like explosive force. The valuable properties are lacking in the existing soft actuators.


翻译:软起动器在人类机器人的安全互动和灵活机器人的创造性设计方面具有很高的潜力。 使软起动器像人类肌肉一样采取行动,是全世界研究人员的一个持续目标。 到目前为止,在灵活性、变形振幅和软起动器的僵硬度方面已经取得了显著进展。 然而,在产出力和保留力方面仍然存在缺陷。 人体肌肉具有理想的力量性能,主要由于肌肉跨桥结构的动作。 在柔性桥的启发下,本文件提出了由负压力液驱动的软起动器的新折叠设计。 同时,我们建立了一个理论模型,以预测这种起动器的输出力和在压力下迁移。 下一步,五个起动器使用三种不同的材料进行编造,并在试验平台上进行评估。 测试结果表明,其中一种产生最大拉力1125.9N和最大推力818.2N,另一个完全输出力达到600倍的重量。 最后, 演示性实验正在广泛进行, 包括伸展、 收缩、 压强的单臂助力、 和水下运动。 它们展示了我们巨大的动力、 动作特性。

0
下载
关闭预览

相关内容

100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
164+阅读 · 2020年3月18日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10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
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Latest News & Announcements of the Workshop
中国图象图形学学会CSIG
0+阅读 · 2021年12月20日
【ICIG2021】Latest News & Announcements of the Plenary Talk2
中国图象图形学学会CSIG
0+阅读 · 2021年11月2日
【ICIG2021】Latest News & Announcements of the Plenary Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年11月1日
【ICIG2021】Latest News & Announcements of the Industry Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年7月28日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
3+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年7月6日
Arxiv
13+阅读 · 2018年4月6日
VIP会员
相关VIP内容
相关资讯
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Latest News & Announcements of the Workshop
中国图象图形学学会CSIG
0+阅读 · 2021年12月20日
【ICIG2021】Latest News & Announcements of the Plenary Talk2
中国图象图形学学会CSIG
0+阅读 · 2021年11月2日
【ICIG2021】Latest News & Announcements of the Plenary Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年11月1日
【ICIG2021】Latest News & Announcements of the Industry Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年7月28日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
3+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
Top
微信扫码咨询专知VIP会员