斯皮科恩-E:混合软人工肌肉控制使用硬件尖端神经网络
Florian-Alexandru Brașoveanu1, Mircea Hulea2, Adrian Burlacu1
1Department of Automatic Control and Applied Informatics, Faculty of Automatic Control and Computer Engineering, "Gheorghe Asachi" Technical University of Iasi, Str. Dimitrie Mangeron, 700050 Iași, Romania.
Biomimetics (Basel, Switzerland)
|October 28, 2025
概括
这项研究介绍了一种使用形状记忆合金和硬件尖端神经网络 (HW-SNN) 的新型人工肌肉系统,用于在软机器人和人形应用中增强移位和控制.
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
- 生物模拟技术是生物模拟的
背景情况:
- 人工肌肉对于先进的机器人和医疗设备至关重要,从伺服电机转向智能材料.
- 目前人工肌肉的控制策略需要优化,以精确模仿自然肌肉的动作.
研究的目的:
- 设计和实施一种新的人工肌肉系统,复制生物肌肉的全部运动和控制范围.
- 通过创新的执行和控制机制,推进可持续的软机器人.
主要方法:
- 开发了一种基于形状记忆合金 (SMA) 的新型线性执行器,具有用于增加位移的引导机制.
- 将SMA执行器集成到带有PneuNet和力传感器的混合软执行结构中.
- 利用硬件尖端神经网络 (HW-SNN) 在执行器的端点实时控制力.
主要成果:
- 新型SMA线性执行器与传统的SMA电线驱动系统相比,显示出明显更高的排量.
- 集成的混合软启动系统提供了实时压力反和精确的力控制.
- 实验结果证实,与传统的基于控制的SMA系统相比,移位和性能优越.
结论:
- 开发出的人工肌肉系统成功地模仿了生物肌肉的动作,提供了更好的排位和控制.
- 这项研究对可持续的软机器人技术做出了重大贡献,特别是在人形机器人的执行和控制方面.


