論文の概要: Optimal Design and Analytical Modeling of a Soft Fin-Ray Effect Gripper Finger Using the Finite Rigid Elements Method
- arxiv url: http://arxiv.org/abs/2606.03798v1
- Date: Tue, 02 Jun 2026 15:48:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-03 22:00:05.122295
- Title: Optimal Design and Analytical Modeling of a Soft Fin-Ray Effect Gripper Finger Using the Finite Rigid Elements Method
- Title（参考訳）: 有限要素法によるソフトフィン線効果グリパーフィンガーの最適設計と解析モデル
- Authors: Sara Adeli, Hassan Sayyaadi,
- Abstract要約: 本研究の目的は、フィンレイエフェクト(FRE)軟式グリップフィンガーの設計、製造、モデル化である。
このデザインは、適応性と正確な力の応用の両方を必要とするトマトなどの繊細な農作物を優雅に把握することを目的としている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Fin Ray-inspired soft grippers offer a promising solution for gently handling delicate, irregular objects, especially in agriculture. The objective of this research is to design, fabricate, and model a Fin Ray Effect (FRE) soft gripper finger to enable precise force control in future applications. This design aims to gently grasp delicate agricultural products, such as tomatoes, that require both adaptability and accurate force application. To address the inherent challenges of soft robotics, including nonlinear behavior, infinite degrees of freedom, and variable material properties, the Finite Rigid Elements Method (FREM) was employed for modeling. This method preserves analytical accuracy while providing a reliable foundation for the development of a force controller in later stages. A detailed Finite Element Model (FEM) was created using ANSYS, and the analytical results were validated through simulation and experimental testing. The gripper's fingers were optimized based on four key criteria: tip displacement, total deflection, stress distribution, and contact force. The optimal finger configuration includes a length of 30 mm, rib spacing of 10 mm, seven ribs angled at -15 deg, and a rib thickness of 1 mm. Theoretical modeling using the FREM predicted finger deformation with a 3% error, while the ANSYS numerical model achieved 2% error.
- Abstract（参考訳）: フィン・レイにインスパイアされたソフトグリップは、特に農業において、繊細で不規則な物体を優しく扱うための、有望なソリューションを提供する。
本研究の目的は、フィンレイエフェクト(FRE)ソフトグリップフィンガーを設計、製造、モデル化し、将来の応用において正確な力制御を可能にすることである。
このデザインは、適応性と正確な力の応用の両方を必要とするトマトなどの繊細な農作物を優雅に把握することを目的としている。
非線形挙動、無限自由度、可変材料特性を含むソフトロボティクスの固有の課題に対処するために、有限剛要素法(FREM)が用いられた。
この方法は、後段の力制御器の開発に信頼性の高い基礎を提供しながら、解析精度を保っている。
ANSYSを用いて詳細な有限要素モデル (FEM) を作成し, シミュレーションおよび実験により解析結果を検証した。
握手の指は、先端変位、全偏向、応力分布、接触力の4つの主要な基準に基づいて最適化された。
最適な指構成は、長さ30mm、リブ間隔10mm、角度15dgの7つのリブ、リブ厚さ1mmである。
ANSYSの数値モデルでは2%の誤差が得られたが、FREMを用いた理論的モデリングでは3%の誤差で指の変形が予測された。
関連論文リスト
- PHANTOM Hand [12.871356369910323]
腱駆動不動手は適応的握力では優れるが、運動的不予測性や非作動力伝達に悩まされることが多い。
PHANTOM Hand (Hybrid Precision-Augmented Compliance) は6つのアクチュエータと15自由度(DoF)を備えたモジュラー・ヒューマンスケールシステムである。
本稿では,正確な解析的形状と頑健な整合性把握のギャップを埋める統一的な枠組みを提案する。
論文 参考訳（メタデータ） (2026-03-24T12:52:18Z) - SOFTMAP: Sim2Real Soft Robot Forward Modeling via Topological Mesh Alignment and Physics Prior [21.30232105970865]
SOFTMAPは、腱作動型ソフトフィンガーマニピュレータのリアルタイム3次元フォワードモデリングのためのsim-real learning frameworkである。
我々は、シミュレーションにおいて、シミュレーションと物理ハードウェアの両方でSOFTMAPを評価し、チャンファー距離0.389mmの形状予測精度を達成した。
この結果から,SOFTMAPはソフトマニピュレータの3次元フォワードモデリングと制御にデータ効率のよいアプローチを提供することがわかった。
論文 参考訳（メタデータ） (2026-03-19T18:21:44Z) - Tendon-Driven Reciprocating and Non-Reciprocating Motion via Snapping Metabeams [0.0]
反動運動と非反動運動の両方を生み出すために、スパイラルベースメタビームからなる腱駆動機構を開発した。
スパイラル幾何学はPLAのような比較的硬い材料から作られた場合でも大きな可逆変形を可能にする。
開発されたメカニズムは水泳ロボットにさらに統合され、腱駆動のフィンは2つの異なるアクティベーションモードを示した。
論文 参考訳（メタデータ） (2026-02-20T16:35:51Z) - FastPhysGS: Accelerating Physics-based Dynamic 3DGS Simulation via Interior Completion and Adaptive Optimization [56.17833729527066]
我々は物理に基づく動的3DGSシミュレーションのためのフレームワークであるFastPhysGSを提案する。
FastPhysGSは、わずか7GBのランタイムメモリを使用して、1分で高忠実度物理シミュレーションを実現する。
論文 参考訳（メタデータ） (2026-02-02T07:00:42Z) - Fractional-order Modeling for Nonlinear Soft Actuators via Particle Swarm Optimization [49.34452620841728]
本稿では, ソフト材料の動的挙動を捉えるために, 分数次微分方程式(FODE)に基づく革新的なモデリング手法を提案する。
提案手法は,ソフトアクチュエータに固有の複雑な変形現象を効果的に表現する。
論文 参考訳（メタデータ） (2025-12-20T04:46:25Z) - Multi-Objective Neural Network Assisted Design Optimization of Soft Fin-Ray Grippers for Enhanced Grasping Performance [2.7309692684728613]
フィン線指の内部構造は適応性と把握性能において重要な役割を担っている。
フィン線指がより硬くなり、高い力を発揮できると、物体の扱いにおいて繊細になる。
本研究では有限要素法 (FEM) を用いて, 有限要素法を用いて円筒状物体のたわみと接触力を推定する。
論文 参考訳（メタデータ） (2025-05-31T10:16:58Z) - Thin-Shell-SfT: Fine-Grained Monocular Non-rigid 3D Surface Tracking with Neural Deformation Fields [66.1612475655465]
RGBビデオから変形可能な表面を3Dで再現することは難しい問題だ。
既存の方法は、統計的、神経的、物理的に先行する変形モデルを使用する。
我々は,非剛性3次元トラッキングメッシュの新しい手法であるThinShell-SfTを提案する。
論文 参考訳（メタデータ） (2025-03-25T18:00:46Z) - MS-MANO: Enabling Hand Pose Tracking with Biomechanical Constraints [50.61346764110482]
筋骨格系と学習可能なパラメトリックハンドモデルMANOを統合し,MS-MANOを作成する。
このモデルは骨格系を駆動する筋肉と腱の力学をエミュレートし、結果として生じるトルク軌跡に生理学的に現実的な制約を与える。
また,マルチ層パーセプトロンネットワークによる初期推定ポーズを改良する,ループ式ポーズ改善フレームワークBioPRを提案する。
論文 参考訳（メタデータ） (2024-04-16T02:18:18Z) - A Multi-Grained Symmetric Differential Equation Model for Learning Protein-Ligand Binding Dynamics [73.35846234413611]
薬物発見において、分子動力学(MD)シミュレーションは、結合親和性を予測し、輸送特性を推定し、ポケットサイトを探索する強力なツールを提供する。
我々は,数値MDを容易にし,タンパク質-リガンド結合ダイナミクスの正確なシミュレーションを提供する,最初の機械学習サロゲートであるNeuralMDを提案する。
従来の数値MDシミュレーションと比較して1K$times$ Speedupを実現することにより,NeuralMDの有効性と有効性を示す。
論文 参考訳（メタデータ） (2024-01-26T09:35:17Z) - Learning to predict metal deformations in hot-rolling processes [59.00006390882099]
ホットローリング(Hot-rolling)は、入力から一連の変形を通じて断面を生成する金属成形プロセスである。
現状では、ロールの回転列と形状は、与えられた断面を達成するために必要である。
そこで本研究では,一組のロールが与えられた形状を予測するための教師付き学習手法を提案する。
論文 参考訳（メタデータ） (2020-07-22T13:33:44Z) - Gaining a Sense of Touch. Physical Parameters Estimation using a Soft
Gripper and Neural Networks [3.0892724364965005]
ロボットグリップを用いた物体との直接相互作用の測定における深層学習アルゴリズムを用いた物理パラメータ推定に関する十分な研究はない。
本研究では、剛性係数の回帰をトレーニング可能なシステムを提案し、物理シミュレータ環境を用いて広範な実験を行った。
本システムでは,Yale OpenHandソフトグリップを用いて,指に装着した慣性測定ユニット(IMU)の読み値に基づいて,物体の硬さを確実に推定することができる。
論文 参考訳（メタデータ） (2020-03-02T11:56:14Z)
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。