用机器学习进行组织工程光线的生物灵感设计.

科学领域:

• 生物模拟设计的设计
• 机器人技术 机器人技术 机器人技术
• 组织工程是组织工程.

背景情况:

• 生物仿真设计旨在复制功能性设备的生物结构.
• 生物混合动力机器人游泳者面临性能问题,原因是工程设备和自然对应器之间的尺寸差异.
• 现有的优化技术可能不足以设计高性能生物混合系统.

研究的目的:

• 为生物混合机器人设计引入和验证机器学习导向优化 (ML-DO).
• 为了证明ML-DO在选择高性能几何形状方面优于其他非线性优化方法的优势.
• 为了最大限度地提高推力生成,在组织工程机器人中进行移动式小型化.

主要方法:

• 利用机器学习导向优化 (ML-DO) 来指导设计过程.
• 将ML-DO与贝叶斯优化和其他几何选择的非线性技术进行比较.
• 设计了一种基于组织的机器人游泳者 (miniray),用于毫米尺度的运动.

主要成果:

• 在识别有效几何形状方面,ML-DO的性能优于传统的优化技术.
• 在组织工程小雷中实现了增强的推力产生.
• 开发了毫米尺度的生物杂交游泳器,更好地遵守自然机车缩放规律.

结论:

• ML-DO为设计生物混合机器人提供了一种量化严格和自动化的方法.
• 这种方法使肌肉结构功能关系的工程能够提高机器人的性能.
• 该研究通过提供一种新的设计优化策略,推动了生物混合机器人领域的发展.