論文の概要: Elastomeric Strain Limitation for Design of Soft Pneumatic Actuators
- arxiv url: http://arxiv.org/abs/2604.02609v1
- Date: Fri, 03 Apr 2026 00:56:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-06 17:20:24.26136
- Title: Elastomeric Strain Limitation for Design of Soft Pneumatic Actuators
- Title（参考訳）: ソフト空気圧アクチュエータ設計のためのエラストマーひずみ制限
- Authors: Gregory M. Campbell,
- Abstract要約: この論文は、ヒトの安全エラストマー・ソフト空気圧アクチュエータの設計、モデリング、およびひずみに基づく制御のための戦略を提示する。
電気粘着性 (EA) ひずみリミッタを用いて, 可変形状生成, 急速力印加, ターゲットインフレーショントラジェクトリについて検討した。
我々は,物質特性とエネルギー最小化に基づく理論モデルを,能動的学習と自動テストを用いて検証する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Modern robots embody power and precision control. Yet, as robots undertake tasks that apply forces on humans, this power brings risk of injury. Soft robotic actuators use deformation to produce smooth, continuous motions and conform to delicate objects while imparting forces capable of safely pushing humans. This thesis presents strategies for the design, modeling, and strain-based control of human-safe elastomeric soft pneumatic actuators (SPA) for force generation, focusing on embodied mechanical response to simple pressure inputs. We investigate electroadhesive (EA) strain limiters for variable shape generation, rapid force application, and targeted inflation trajectories. We attach EA clutches to a concentrically strain-limited elastomeric membrane to alter the inflation trajectory and rapidly reorient the inflated shape. We expand the capabilities of EA for soft robots by encasing them in elastomeric sheaths and varying their activation in real time, demonstrating applications in variable trajectory inflation under identical pressure sweeps. We then address the problem of trajectory control in the presence of external forces by modeling the pressure-trajectory relationship for a concentrically strain-limited class of silicone actuators. We validate theoretical models based on material properties and energy minimization using active learning and automated testing. We apply our ensemble of neural networks for inverse membrane design, specifying quasi-static mass lift trajectories from a simple pressure sweep. Finally, we demonstrate the power of multiple pressure-linked actuators in a proof-of-concept mannequin leg lift.
- Abstract（参考訳）: 現代のロボットは、パワーと精密制御を具現化している。
しかし、ロボットが人間に力を与えるタスクを実行すると、このパワーは怪我のリスクをもたらす。
柔らかいロボットアクチュエータは変形を利用して滑らかで連続的な動きを作り、人間を安全に押す力を与えながら繊細な物体に適合する。
本論文は, 簡単な圧力入力に対する機械的応答の具体化に着目し, 人為的安全エラストマー式空気圧アクチュエータ(SPA)の設計, モデル化, およびひずみ制御のための戦略を提示する。
電気粘着性 (EA) ひずみリミッタを用いて, 可変形状生成, 急速力印加, ターゲットインフレーショントラジェクトリについて検討した。
EAクラッチを同心ひずみに制限されたエラストマー膜に取り付け、インフレーションの軌跡を変化させ、膨張した形状を迅速に再配向させる。
我々は,ソフトロボットにおけるEAの能力を,エラストマーシースに包み込み,その活性化をリアルタイムで変化させることにより拡張し,同じ圧力下での変動軌道インフレーションの応用を実証した。
次に, シリコンアクチュエータの同心ひずみに制限されたクラスに対する圧力-軌道関係をモデル化することにより, 外部力の存在下での軌道制御の問題に対処する。
我々は,物質特性とエネルギー最小化に基づく理論モデルを,能動的学習と自動テストを用いて検証する。
ニューラルネットワークのアンサンブルを逆膜設計に適用し、簡単な圧力掃除から準静圧質量上昇軌道を指定する。
最後に,複数の圧力リンクアクチュエータのパワーを,概念実証マネキン脚リフトで実証する。
関連論文リスト
- Tendon Force Modeling for Sim2Real Transfer of Reinforcement Learning Policies for Tendon-Driven Robots [4.374417345150659]
本稿では,典型的なサーボモータの腱力をモデル化する手法を提案する。
次に,GPUによる力駆動型剛体シミュレーションにおいて,我々の力推定モデルを用いてRL制御系を訓練する。
我々のモデルは最大運動力の3%以内の腱力を予測でき、ロボットに依存しない。
論文 参考訳（メタデータ） (2026-03-04T18:16:58Z) - Physics-Embedded Neural ODEs for Learning Antagonistic Pneumatic Artificial Muscle Dynamics [2.8169681659450876]
空気圧人工筋肉(PAM)は、柔らかいウェアラブル、補助的、対話的なロボットのための適合した運動を可能にする。
本稿では,物理構造を学習モデルに組み込んだハイブリッド型ニューラル常微分方程式の枠組みを提案する。
論文 参考訳（メタデータ） (2026-02-27T04:38:22Z) - UniForce: A Unified Latent Force Model for Robot Manipulation with Diverse Tactile Sensors [51.88112610411651]
そこで本研究では,多様な触覚センサにまたがる共用潜在力空間を学習する,新しい統合された触覚表現学習フレームワークを提案する。
UniForceは、逆ダイナミクス(image-to-force)とフォワードダイナミクス(force-to-image)を共同モデリングすることで、クロスセンサー領域シフトを低減する
高価な外部力/トルクセンサ(F/T)への依存を避けるため,静的平衡を利用して直接センサ・オブジェクト・センサ・インタラクションを介して力対効果データを収集する。
論文 参考訳（メタデータ） (2026-02-01T11:03:01Z) - Tracing Energy Flow: Learning Tactile-based Grasping Force Control to Prevent Slippage in Dynamic Object Interaction [4.103372358189422]
動的物体相互作用におけるすべりの低減のための把持力の調節は、ロボット操作の基本的な課題である。
本稿では,物体を仮想エネルギーコンテナとしてモデル化する物理情報を用いたエネルギー抽象化を提案する。
シミュレーションとハードウェアの両方の実験により,スクラッチから力の制御を数分で学習できることが実証された。
論文 参考訳（メタデータ） (2025-12-24T08:19:25Z) - Preliminary Analysis and Simulation of a Compact Variable Stiffness Wrist [9.674808390941672]
本稿では、冗長な弾性アクチュエータによる可変剛性を実現する3自由度並列手首について紹介する。
このデバイスは4つのモーターしか使っておらず、コンパクトで軽量だ。
論文 参考訳（メタデータ） (2025-12-04T16:43:57Z) - Physical Autoregressive Model for Robotic Manipulation without Action Pretraining [65.8971623698511]
我々は、自己回帰ビデオ生成モデルを構築し、物理自己回帰モデル(PAR)を提案する。
PARは、アクション事前トレーニングを必要とせず、物理力学を理解するために、ビデオ事前トレーニングに埋め込まれた世界の知識を活用する。
ManiSkillベンチマークの実験は、PARがPushCubeタスクで100%の成功率を達成したことを示している。
論文 参考訳（メタデータ） (2025-08-13T13:54:51Z) - Fluidically Innervated Lattices Make Versatile and Durable Tactile Sensors [43.33741954317892]
組込み空気流路を有する3Dプリントエラストマー格子を用いて製造した触覚センサを内蔵した受動型ソフトロボット指先について述べる。
このセンサ化アプローチは、流体神経支配と呼ばれ、密閉された空気チャネル内の圧力変化を検出して格子を触覚センサーに変換する。
論文 参考訳（メタデータ） (2025-07-28T18:00:04Z) - Active Learning Design: Modeling Force Output for Axisymmetric Soft Pneumatic Actuators [10.184372801256835]
エラストマー材料からなる軟式空気圧アクチュエータ(SPA)は、大きなひずみと大きな力を与えることができる。
同心ひずみ制限型軟質空気圧アクチュエータの力-圧力-高さ関係をモデル化する。
この学習された物質モデルは,理論に基づくモデルと単純曲線整合アプローチより優れていることを示す。
論文 参考訳（メタデータ） (2025-04-01T19:43:00Z) - DiffuseBot: Breeding Soft Robots With Physics-Augmented Generative
Diffusion Models [102.13968267347553]
本稿では,様々なタスクにおいて優れたソフトロボット形態を生成する物理拡張拡散モデルであるDiffuseBotを提案する。
我々は、その能力とともに、シミュレーションされた、そして製造された様々なロボットを紹介します。
論文 参考訳（メタデータ） (2023-11-28T18:58:48Z) - Robust Hamiltonian Engineering for Interacting Qudit Systems [50.591267188664666]
我々は、強く相互作用するキューディット系のロバストな動的疎結合とハミルトン工学の定式化を開発する。
本研究では,これらの手法を,スピン-1窒素空洞中心の強相互作用・無秩序なアンサンブルで実験的に実証した。
論文 参考訳（メタデータ） (2023-05-16T19:12:41Z) - VAE-Loco: Versatile Quadruped Locomotion by Learning a Disentangled Gait
Representation [78.92147339883137]
本研究では,特定の歩行を構成する主要姿勢位相を捕捉する潜在空間を学習することにより,制御器のロバスト性を高めることが重要であることを示す。
本研究では,ドライブ信号マップの特定の特性が,歩幅,歩幅,立位などの歩行パラメータに直接関係していることを示す。
生成モデルを使用することで、障害の検出と緩和が容易になり、汎用的で堅牢な計画フレームワークを提供する。
論文 参考訳（メタデータ） (2022-05-02T19:49:53Z)
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。