There is a surge of research interest in the field of tensegrity robotics. Robots developed under this paradigm provide many advantages and have distinguishing features in terms of structural compliance, dexterity, safety, and weight reduction. This paper proposes a new robotic mechanism based on tensegrity ('tension-integrity') robots and reconfigurable modular robots. The specific actuation schemes for this tensegrity robot with multiple degrees of freedom are presented. This article describes an easy-to-assemble 350 mm tensegrity based robot prototype by stacking a series of rigid struts linked with tensegrity joints that have no direct rigid contact with each other. The functionality of the proposed robot is validated by the experimental results by integrating the polyhedral parallel structure as its skeleton and series of tensegrity joints. The proposed manipulator is capable of reaching bending angles up to 76 degrees. An adaptive cable driven underactuated robotic gripper is designed and attached to the tensegrity manipulator for grasping objects in different shapes, weights, and sizes.


翻译:在时态机器人领域,研究兴趣激增。 在这种范式下开发的机器人在结构合规性、灵敏性、安全性和减重性方面有许多优势,并具有显著特征。 本文提出一个新的机器人机制, 其基础是时态( 增强性- 融合性) 机器人和可重新配置的模块式机器人。 展示了这个具有多种自由度的时态机器人的具体诱导方案。 文章描述了一个容易到组装的350毫米时态机器人原型, 其形式是堆叠一系列与不直接相互僵硬接触的时态联合相连的僵硬结构。 拟议机器人的功能通过实验结果得到验证, 将多面平行结构作为其骨架和一系列紧张性联合体。 提议的操纵器能够达到76度的弯曲角度。 由电缆驱动的适应性低活性机器人控制器被设计并附在时, 用于以不同形状、 重量 和 大小 的时态操纵器。

0
下载
关闭预览

相关内容

机器人(英语:Robot)包括一切模拟人类行为或思想与模拟其他生物的机械(如机器狗,机器猫等)。狭义上对机器人的定义还有很多分类法及争议,有些电脑程序甚至也被称为机器人。在当代工业中,机器人指能自动运行任务的人造机器设备,用以取代或协助人类工作,一般会是机电设备,由计算机程序或是电子电路控制。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
专知会员服务
44+阅读 · 2020年10月31日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
59+阅读 · 2019年10月17日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11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
【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
CCF推荐 | 国际会议信息8条
Call4Papers
9+阅读 · 2019年5月23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
TorchSeg:基于pytorch的语义分割算法开源了
极市平台
20+阅读 · 2019年1月28日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
spinningup.openai 强化学习资源完整
CreateAMind
6+阅读 · 2018年12月17日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
【推荐】Python机器学习生态圈(Scikit-Learn相关项目)
机器学习研究会
6+阅读 · 2017年8月23日
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
Arxiv
0+阅读 · 2021年1月20日
Arxiv
0+阅读 · 2021年1月19日
Arxiv
3+阅读 · 2018年10月5日
Arxiv
6+阅读 · 2018年6月21日
VIP会员
相关资讯
CCF推荐 | 国际会议信息8条
Call4Papers
9+阅读 · 2019年5月23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
TorchSeg:基于pytorch的语义分割算法开源了
极市平台
20+阅读 · 2019年1月28日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
spinningup.openai 强化学习资源完整
CreateAMind
6+阅读 · 2018年12月17日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
【推荐】Python机器学习生态圈(Scikit-Learn相关项目)
机器学习研究会
6+阅读 · 2017年8月23日
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
Top
微信扫码咨询专知VIP会员