Robots are increasingly used in a wide range of applications. We, as humans, still find it challenging to work in proximity to robots due to safety concerns. In recent years, roboticists have been seeking a solution to this challenge through soft robots. Unfortunately, it is often challenging to find the optimal model to fully investigate and analyze the behavior of a soft robot. This paper seeks to address this challenge by proposing two complementary modeling techniques for a particular type of soft robotic actuator known as Fiber Reinforced Elastomeric Enclosures (FREEs). We propose that designers can leverage multiple models to fill the gaps in the understanding of soft robots. We develop and test both a dynamic lumped-parameter model and a finite element model in an attempt to understand the practicability of FREEs for use in a soft robotic arm. The resulting insights enabled us to investigate the controllability of FREEs using the dynamic model, and its design parameters and workspace via the finite element model. The results from the lumped-parameter model allowed us to make simplifying assumptions that led to the development of a model-driven controller for a single FREE, although extending this model for a module of multiple FREEs can be challenging. This provided motivation for the development of a finite element model for single and multiple FREE configurations. Our findings indicate that the material properties and winding angles greatly influence FREEs' extension, rotation, and force and moment generation. Overall, both models efficiently predict the behavior of FREEs. Employing two modeling approaches enabled us to fully investigate behavior, whereas neither model individually significantly demonstrates the complete range of FREE capabilities.


翻译:机器人日益被广泛应用。 作为人类,我们仍发现,由于安全考虑,在接近机器人的地方工作仍具有挑战性。近年来,机器人学家一直在通过软机器人寻找解决这一挑战的办法。 不幸的是,找到最佳模型以充分调查和分析软机器人的行为,往往具有挑战性。 本文试图通过为一种名为Fiber Estraed Eastomic Qeets (FEFEEE) 的特定类型的软机器人动作器提出两种互补模型技术来应对这一挑战。 我们提议,设计者可以利用多种模型来填补对软机器人的理解差距。我们开发并测试一个动态的包页参数模型和一个有限的元素模型,以试图了解FREE在软机器人臂中使用F的实用性模型。 由此产生的深刻见解使我们得以调查FREEE使用动态模型及其设计参数和工作空间的可控性。 包状参数模型的结果使我们得以简化各种假设,从而开发出一个模型驱动的软机器人的理解器,软体机器人的参数模型模型和有限元素模型的缩式模型,同时展示了我们一个具有挑战性弹性的FEEEEEEFR的模型。

0
下载
关闭预览

相关内容

Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17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
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
强化学习三篇论文 避免遗忘等
CreateAMind
19+阅读 · 2019年5月24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
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2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
推荐|Andrew Ng计算机视觉教程总结
全球人工智能
3+阅读 · 2017年11月23日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Arxiv
1+阅读 · 2021年11月26日
Arxiv
5+阅读 · 2020年6月16日
Arxiv
3+阅读 · 2019年8月19日
VIP会员
相关资讯
强化学习三篇论文 避免遗忘等
CreateAMind
19+阅读 · 2019年5月24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
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2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
推荐|Andrew Ng计算机视觉教程总结
全球人工智能
3+阅读 · 2017年11月23日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8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