인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
초록·키워드
Soft grippers are ideal for grasping delicate, deformable objects with complex geometries. Universal soft grippers have proven effective for grasping common objects, however complex objects or environments require bespoke gripper designs. Multi‐material printing presents a vast design‐space which, when coupled with an expressive computational design algorithm, can produce numerous, novel, high‐performance soft grippers. Finding high‐performing designs in challenging design spaces requires tools that combine rapid iteration, simulation accuracy, and fine‐grained optimization across a range of gripper designs to maximize performance, no current tools meet all these criteria. Herein, a diversity‐based soft gripper design framework combining generative design and topology optimization (TO) are presented. Compositional pattern‐producing networks (CPPNs) seed a diverse set of initial material distributions for the fine‐grained TO. Focusing on vacuum‐driven multi‐material soft grippers, several grasping modes (e.g. pinching, scooping) emerging without explicit prompting are demonstrated. Extensive automated experimentation with printed multi‐material grippers confirms optimized candidates exceed the grasp strength of comparable commercial designs. Grip strength, durability, and robustness is evaluated across 15,170 grasps. The combination of fine‐grained generative design, diversity‐based design processes, high‐fidelity simulation, and automated experimental evaluation represents a new paradigm for bespoke soft gripper design which is generalizable across numerous design domains, tasks, and environments.
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
