将一个模块化的原木操纵器重新定位为适应性物理计算机,用于机器学习和机器人感知

科学领域:

• 机器人与机械工程 机器人与机械工程
• 计算科学 计算科学
• 材料科学 材料科学 材料科学

背景情况:

• 物理计算为机械系统中的智能任务提供了传统CMOS计算机的替代方案.
• 对机械设计如何影响物理计算性能缺乏系统的理解.

研究的目的:

• 研究机械设计与物理计算性能之间的关系.
• 根据其配置来评估适应性物理储库的计算能力.
• 在软机器人和功能性材料中展示体现智能的潜力.

主要方法:

• 重新利用一个灵感来自于原创的模块化机器人操纵器作为适应性物理储存器.
• 系统评估不同物理配置,输入设置和任务的计算能力.
• 利用NARMA对时间序列模拟的基准,并分析了对感知能力的节点动态.
• 集成形状记忆合金 (SMA) 驱动器用于机器人操作.

主要成果:

• 时间序列仿真性能与峰值相似度指数 (PSI) 直接相关,反映了水库动态.
• 适应式储通过从内在动力学中提取有效载荷重量和方向来证明感知.
• 信息提取能力可以通过节点动态之间的空间相关性来衡量.
• 通过利用嵌入式计算能力,SMA 启动使实用机器人操作成为可能.

结论:

• 建立了一个战略框架,用于从软机器人和功能材料中收集计算能力.
• 设计参数和输入选择可以根据特定的计算任务要求进行配置.
• 这种方法使下一代体内智能能够在生物灵感材料和机器人系统中实现.