机器学习辅助热刺激的电子/离子皮肤识别和软机器人的机械变形

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
• 人工智能的人工智能

背景情况:

• 软机器人为各种应用提供了适应性和灵活性.
• 进步的软机器人需要复杂的电子皮肤 (E-skin) 感知系统.
• 当前的E-皮肤在实现同时的外感受和自身感受传感和信号分类方面面临着挑战.

研究的目的:

• 为软机器人开发一种能够同时进行外感受和自身感受的E-skin.
• 将这种E-skin与软机器人集成,以实现全面的状态感知.
• 利用机器学习来解码复杂的传感信号.

主要方法:

• 使用具有混合电子和离子导电性的导电水凝制造E皮肤.
• 电子皮肤与软机器人集成,以监控他们的身体状态.
• 应用决策树和随机森林机器学习算法来解码信号.

主要成果:

• 开发的水凝传感系统准确地检测和预测软机器人的态度变化.
• 该系统在各种物理刺激下表现出有效性,包括压力,热压,曲,扭曲和拉伸.
• 取得了成功的脱和分类的外感受和自身感受信号.

结论:

• 多功能导电水凝可以有效地用于先进的E-skin应用.
• 机器学习算法对于从软机器人传感器解码复杂信号至关重要.
• 这种方法为增强未来智能软机器人的传感能力提供了基础.