专栏首页ATYUN订阅号哈佛的“虫虫”机器人已经能爬上墙了

哈佛的“虫虫”机器人已经能爬上墙了

编译:温煦

出品:ATYUN订阅号

新发表在《科学机器人》杂志上的一篇论文详细介绍了一个被称为“哈佛电动附着微型机器人”(简称HAMR-E)的系统,该系统利用静电力抓住水平、垂直、甚至倒立的金属表面。

哈佛大学(Harvard University)维斯生物灵感工程研究所(Wyss Institute for biological Inspired Engineering)和约翰·a·保尔森工程与应用科学学院(John A. Paulson School of Engineering and Applied Sciences)的研究团队表示:“爬行能力极大地增加了陆地机器人可到达的工作空间,提高了它们在检查和探索任务中的效用。”“这尤其适用于那些微型的在有限环境中工作的机器人。”

HAMR- e是现有机器人HAMR的升级版,它有四条腿,重约1.48克,长4.5厘米(是2号铅笔长度的四分之一)。在研究过程中,研究者们在它的“腿”上绑上了柔性电附着垫和可旋转的玻璃和纤维对向脚踝,每一个都包含绝缘的铜电极连接到电源上。与此同时,攀爬表面被连接到一个电地面上,当机器人的垫子被提供电压时,产生的正电荷与墙壁的负电荷相互作用,产生一个吸引力。

并不像听起来那么容易。为了防止HAMR-E被卡住或失去抓地力,研究人员必须采用一种被称为三足爬行的步态,在这种步态中,HAMR-E的三条腿与地面保持接触,而另一条腿向前移动。当HAMR-E行走时,电压流过三条腿,切断一条腿的电压,当四肢行走的机器人向前移动时,电压交替流动。他们不得不采用一种稍微不同的策略来处理倒立的场景:HAMR-E的左腿抬起,同时右腿向后推,抵消了前腿抬起所产生的向后倾斜。

本文分享自微信公众号 - ATYUN订阅号(atyun_com)

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2018-12-21

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 深入探索Catboost模型可解释性(下)

    在输出中,您将得到每对特性的列表。列表将有3个值,第一个值是该对中第一个特性的索引,第二个值是该对中第二个特性的索引,第三个值是该对的特性重要性得分。具体实施请...

    AiTechYun
  • 【学术】马尔可夫链的详细介绍及其工作原理

    AiTechYun 编辑:xiaoshan 马尔可夫链是一种相当常见的、相对简单的统计模型随机过程的方法。它们已经被应用于许多不同的领域,从文本生成到金融建模。...

    AiTechYun
  • 【学术】以精确性来提高对机器学习的信任

    传统的机器学习工作流程主要集中在模型训练和优化上,最好的模型通常是通过像精确或错误这样的性能度量来选择的,我们倾向于假定一个模型如果超过了这些性能标准的某些阈值...

    AiTechYun
  • Endnote显示杂志影响因子(2019年版)

    Endnote是目前比较主流的文献管理软件,但无法显示期刊影响因子。借鉴了他人介绍的方法基础上,整理2019年发布影响因子的term list文件,其中有些杂志...

    百味科研芝士
  • 朱俊彦团队提出GAN压缩算法:计算量减少20倍,生成效果不变,GPU、CPU统统能加速

    以GauGAN为例,与MobileNet-v3这样的识别CNN相比,参数只相差1个数量级(4.2 : 93)计算强度却高出了2个数量级(0.5 : 281)。

    量子位
  • 布朗大学90后研究生:我们复现了15亿参数GPT-2模型,你也行!

    BERT,XLNet,GPT-2和Grover等大型语言模型在生成文本和多个NLP任务方面取得了令人瞩目的成果。

    新智元
  • CVPR 2018 | 逆视觉问答任务:一种根据回答与图像想问题的模型

    随着传统的目标检测和目标识别方法的发展,很多问题已经得到了解决,人们对于解决更具挑战性的问题的兴趣也在激增,这些问题需要计算机视觉系统更好的「理解」能力。图像描...

    机器之心
  • 韩松、朱俊彦等人提出GAN压缩法:算力消耗不到1/9,现已开源

    生成模型 GAN 是机器学习领域里最为重要的发展方向之一。但这类算法需要消耗巨量算力,大多数研究者已经很难得出新成果。近年来,这一方向颇有被大型机构垄断的趋势。

    机器之心
  • Github 项目推荐 | TensorFlow 项目模板架构最佳实践

    一个简单且设计良好的架构对于任何深度学习项目来讲非常有必要,这里的 Tensorflow 项目模板经过了大量的实践,拥有简单性、良好的文件结构以及 OOP 设计...

    AI研习社
  • 机器学习中时间序列预测的一些常见陷阱

    时间序列预测是机器学习的一个重要领域。说它重要是因为有很多预测问题都涉及时间成分。然而,虽然时间成分补充了额外的信息,但与其他预测任务相比,时间序列问题更难以处...

    商业新知

扫码关注云+社区

领取腾讯云代金券