使用机器学习和EMG传感器开发和分析一个基于Origami的弹性体执行器和软抓柄控制器
Meixin Wang1, Wonhyong Lee2, Liqi Shu3
1Department of Biomedical Engineering, School of Engineering and Applied Science, George Washington University, Washington, DC 20052, USA.
Sensors (Basel, Switzerland)
|March 28, 2024
概括
这项研究介绍了一种基于原木的新型执行器和软抓柄,通过机器学习驱动的手势来控制. 这种创新的软机器人系统为各种应用提供了高效的低压启动和多功能抓取功能.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 材料科学 材料科学 材料科学
- 机器学习 机器学习
背景情况:
- 气动网络执行器 (Pneu-Net) 在软机器人中很常见,但可以很重,需要很大的压力.
- 通过用户的意图控制软机器人抓手,例如手势,仍然是更广泛应用的挑战.
研究的目的:
- 为软机器人开发和描述一种基于原木的新型弹性体执行器.
- 设计和测试使用这些执行器的软机器人抓手.
- 实施基于机器学习的系统,通过手势控制抓手.
主要方法:
- 一个轻量级的纸质弹性体执行器的制造,采用原木原理.
- 执行器性能的表征,包括压力曲角度和力压关系.
- 设计和测试一个三驱动器软抓柄,用于包裹和捏握.
- 开发一种使用电肌图 (EMG) 信号的手势识别算法.
主要成果:
- 在相同的曲幅度下,原木执行器需要比同等重量的Pneu-Nets压力低20%的压力.
- 柔软的抓手成功地演示了对各种物体形状的包裹和捏握.
- 建立了一个功能控制系统,将基于EMG的手势与抓手机的操作联系起来.
结论:
- 这种基于原木的新型执行器为软机器人应用提供了轻量级和高效的替代方案.
- 开发的软抓手显示出在各种场景中实现多功能对象操纵的前景.
- 机器学习驱动的EMG控制为软机器人系统提供了一个直观的界面.
