相关实验视频
Updated: Mar 14, 2026

08:24
Bioinspired Soft Robot with Incorporated Microelectrodes
Published on: February 28, 2020
9.4K
机器学习驱动的工程的设计使声学微机器人中的混合操作成为可能
Yun Ling1, Yujing Lu1, Joseph Rich2
1Thomas Lord Department of Mechanical Engineering and Materials Science, Duke University, Durham, NC, USA.
Nature communications
|March 13, 2026
概括
工程使声学微机器人能够执行复杂的,可编程的运动,如曲和变形,用于精确医学. 这一突破增强了生物医学和微流体应用中的微机器人驱动.
科学领域:
- 生物医学工程 生物医学工程
- 微流体学 微流体学
- 机器人技术 机器人技术 机器人技术
背景情况:
- 微型机器人系统对于精密医学至关重要,在流体环境中执行复杂任务需要先进的执行器.
- 当前的微尺度执行器,特别是声学执行器,在可编程的方向和形状变化方面面临限制.
研究的目的:
- 为混合操作引入工程眼,能够进行复杂,可编程运动的微机器人.
- 开发一个机器学习框架,以优化微机器人设计和性能.
主要方法:
- 利用几何调整的眼和共振诱导的力量来启动微机器人.
- 集成了一个自我增强的机器学习框架与有限元分析用于设计优化.
- 采用符合机制的策略来增强机械的多功能性和形状变化能力.
主要成果:
- 实现复杂的运动,包括双向曲,可控制的旋转和自适应的变形.
- 预测时间减少了105倍以上,记忆节省了20倍以上,准确度高 (>90%的峰值振幅,>98%的共振频率).
- 启用可编程形状转换,用于特定任务的应用程序.
结论:
- 工程毛提供了一个可扩展和高效的平台,用于智能微机器人执行.
- 这些进步显著提高了声学微机器人的能力,用于生物医学和微流体应用.
- 开发的设计框架加速了微机器人系统的优化.

