論文の概要: Autonomous object harvesting using synchronized optoelectronic
microrobots
- arxiv url: http://arxiv.org/abs/2103.04912v1
- Date: Mon, 8 Mar 2021 17:24:15 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-09 15:18:41.603881
- Title: Autonomous object harvesting using synchronized optoelectronic
microrobots
- Title（参考訳）: 同期光電子マイクロロボットによる自律物体の収穫
- Authors: Christopher Bendkowski, Laurent Mennillo, Tao Xu, Mohamed Elsayed,
Filip Stojic, Harrison Edwards, Shuailong Zhang, Cindi Morshead, Vijay Pawar,
Aaron R. Wheeler, Danail Stoyanov, Michael Shaw
- Abstract要約: optoelectronic tweezer-driven microrobots (oetdms)は多用途のマイクロマニピュレーション技術である。
複数のマイクロロボットのオープンループ制御を実現するために,自動的ターゲティングと経路計画手法を提案する。
- 参考スコア（独自算出の注目度）: 10.860767733334306
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Optoelectronic tweezer-driven microrobots (OETdMs) are a versatile
micromanipulation technology based on the use of light induced
dielectrophoresis to move small dielectric structures (microrobots) across a
photoconductive substrate. The microrobots in turn can be used to exert forces
on secondary objects and carry out a wide range of micromanipulation
operations, including collecting, transporting and depositing microscopic
cargos. In contrast to alternative (direct) micromanipulation techniques,
OETdMs are relatively gentle, making them particularly well suited to
interacting with sensitive objects such as biological cells. However, at
present such systems are used exclusively under manual control by a human
operator. This limits the capacity for simultaneous control of multiple
microrobots, reducing both experimental throughput and the possibility of
cooperative multi-robot operations. In this article, we describe an approach to
automated targeting and path planning to enable open-loop control of multiple
microrobots. We demonstrate the performance of the method in practice, using
microrobots to simultaneously collect, transport and deposit silica
microspheres. Using computational simulations based on real microscopic image
data, we investigate the capacity of microrobots to collect target cells from
within a dissociated tissue culture. Our results indicate the feasibility of
using OETdMs to autonomously carry out micromanipulation tasks within complex,
unstructured environments.
- Abstract（参考訳）: OETdM(Optoelectronic tweezer-driven microrobots)は、光誘起誘電体による光伝導基板上の微小誘電体構造(マイクロロボット)の移動に基づく汎用マイクロマニピュレーション技術である。
マイクロロボットは二次的な物体に力を与え、顕微鏡貨物の収集、輸送、堆積を含む幅広いマイクロマニピュレーション操作を行うのに使用できる。
代替(直接)マイクロマニピュレーション技術とは対照的に、OETdMsは比較的穏やかであり、生体細胞のような敏感な物体との相互作用に特に適している。
しかし、現在、このようなシステムは人手による操作でのみ使用されている。
これにより、複数のマイクロロボットの同時制御能力が制限され、実験的なスループットと協調的なマルチロボット操作の可能性の両方が削減される。
本稿では,複数のマイクロロボットのオープンループ制御を実現するための,自動的ターゲティングと経路計画へのアプローチについて述べる。
本研究では, マイクロロボットを用いてシリカ微粒子を同時に収集, 輸送, 堆積する手法の性能を実演する。
実際の顕微鏡画像データに基づく計算シミュレーションを用いて、解離した組織培養から標的細胞を採取するマイクロロボットの能力を調べます。
本研究では,OETdMを用いて複雑な非構造環境下でのマイクロマニピュレーションタスクを自律的に実行できることを示した。
関連論文リスト
- MEMTRACK: A Deep Learning-Based Approach to Microrobot Tracking in Dense
and Low-Contrast Environments [4.638136711579875]
Motion Enhanced Multi-level Tracker (MEMTrack) はマイクロロボットを検知・追跡するための堅牢なパイプラインである。
菌体マイクロモーターを用いてコラーゲン(tissue phantom)の試験を行い,コラーゲンおよび水性培地で試験した。
MEMTrackは、精巧に生産された手動追跡データと統計的に有意な差がなく、平均細菌の速度を定量化することができる。
論文 参考訳（メタデータ） (2023-10-13T23:21:32Z) - Robot Fleet Learning via Policy Merging [58.5086287737653]
我々はFLEET-MERGEを提案し、艦隊設定における政策を効率的にマージする。
本稿では,FLEET-MERGEがメタワールド環境における50のタスクで訓練されたポリシーの行動を統合することを示す。
合成・接触に富んだロボット操作タスクにおけるフリートポリシー学習のための新しいロボットツール用ベンチマークであるFLEET-TOOLSを導入する。
論文 参考訳（メタデータ） (2023-10-02T17:23:51Z) - Leveraging generative adversarial networks to create realistic scanning
transmission electron microscopy images [2.5954872177280346]
機械学習は、自律的なデータ収集と処理を通じて材料研究に革命をもたらす可能性がある。
我々は,実空間周波数情報を用いたシミュレーションデータを増大させるために,相互空間判別器を備えたサイクル生成逆数ネットワーク(CycleGAN)を用いる。
完全な畳み込みネットワーク(FCN)をトレーニングして、450万個の原子データセット内の単一原子欠陥を同定することで、我々のアプローチを実証する。
論文 参考訳（メタデータ） (2023-01-18T19:19:27Z) - Robotic Navigation Autonomy for Subretinal Injection via Intelligent
Real-Time Virtual iOCT Volume Slicing [88.99939660183881]
網膜下注射のための自律型ロボットナビゲーションの枠組みを提案する。
提案手法は,機器のポーズ推定方法,ロボットとi OCTシステム間のオンライン登録,およびインジェクションターゲットへのナビゲーションに適した軌道計画から構成される。
ブタ前眼の精度と再現性について実験を行った。
論文 参考訳（メタデータ） (2023-01-17T21:41:21Z) - Application of the YOLOv5 Model for the Detection of Microobjects in the
Marine Environment [101.18253437732933]
海洋環境における微小物体の自動検出と認識の問題を解決するためのYOLOV5機械学習モデルの有効性について検討した。
論文 参考訳（メタデータ） (2022-11-28T10:58:50Z) - Programmable Control of Ultrasound Swarmbots through Reinforcement
Learning [0.0]
マイクロバブルをベースとした音響駆動型マイクロロボットナビゲーションは、薬物の配送を狙う上で有望なアプローチである。
我々は、強化学習制御戦略を用いて、マイクロロボットの力学を学習し、音響力で操作する。
その結果,マイクロ流体環境下でのマイクロバブルの自律的音響ナビゲーションが実証された。
論文 参考訳（メタデータ） (2022-09-30T11:46:12Z) - Chemotaxis of sea urchin sperm cells through deep reinforcement learning [0.0]
本研究では, ウニ精子のモデルが, ケモアトレラント濃度場において, 自己学習型遊走運動をいかに行うかを検討する。
我々は,人工ニューラルネットワークを用いて意思決定エージェントとして機能し,精子の効率的な操作戦略の発見を容易にする。
以上の結果から,ウニ精子の遊走過程に関する知見が得られ,微生物の知能的操作のためのガイダンスも用意された。
論文 参考訳（メタデータ） (2022-08-02T06:04:32Z) - Spatial Computing and Intuitive Interaction: Bringing Mixed Reality and
Robotics Together [68.44697646919515]
本稿では,空間コンピューティングを応用し,新しいロボットのユースケースを実現するためのロボットシステムについて述べる。
空間コンピューティングとエゴセントリックな感覚を複合現実感デバイスに組み合わせることで、人間の行動をキャプチャして理解し、それらを空間的な意味を持つ行動に変換することができる。
論文 参考訳（メタデータ） (2022-02-03T10:04:26Z) - Smart Magnetic Microrobots Learn to Swim with Deep Reinforcement
Learning [0.0]
深層強化学習は、スマートなマイクロロボットを作るための堅牢なコントローラを自律的に開発するための有望な方法である。
本稿では,ソフトアクター評論家強化学習アルゴリズムを用いて制御ポリシを自律的に導出するスマートヘリカル磁性ハイドロゲルマイクロロボットの開発について報告する。
強化学習エージェントは10万歩未満のトレーニングステップで制御ポリシを成功させ、高速学習のためのサンプル効率を実証した。
論文 参考訳（メタデータ） (2022-01-14T18:42:18Z) - Towards an Automatic Analysis of CHO-K1 Suspension Growth in
Microfluidic Single-cell Cultivation [63.94623495501023]
我々は、人間の力で抽象化されたニューラルネットワークをデータレベルで注入できる新しい機械学習アーキテクチャを提案する。
具体的には、自然データと合成データに基づいて生成モデルを同時に訓練し、細胞数などの対象変数を確実に推定できる共有表現を学習する。
論文 参考訳（メタデータ） (2020-10-20T08:36:51Z) - Populations of Spiking Neurons for Reservoir Computing: Closed Loop
Control of a Compliant Quadruped [64.64924554743982]
本稿では,ニューラルネットワークを用いた中央パターン生成機構を実装し,閉ループロボット制御を実現するためのフレームワークを提案する。
本研究では,従順な四足歩行ロボットのシミュレーションモデル上で,予め定義された歩行パターン,速度制御,歩行遷移の学習を実演する。
論文 参考訳（メタデータ） (2020-04-09T14:32:49Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。