。CC-BY-NC-ND 4.0 国际许可证永久有效。它以预印本形式提供(未经同行评审认证),作者/资助者已授予 bioRxiv 许可,可以在该版本中显示预印本。版权所有者于 2025 年 2 月 5 日发布了此版本。;https://doi.org/10.1101/2025.02.05.636605 doi:bioRxiv 预印本
软材料通过紧密模仿生物体的复杂运动和变形行为,在小型机器人应用中发挥着至关重要的作用。然而,传统的制造方法在制造高度集成的小型软设备方面面临挑战。在这项研究中,利用微流体技术精确控制反应扩散 (RD) 过程,以生成多功能和区室化的钙交联海藻酸盐微纤维。在 RD 条件下,生产出复杂的海藻酸盐纤维,用于磁性软连续机器人应用,具有可定制的功能,例如几何形状(紧凑或中空)、交联程度和磁性纳米粒子的精确定位(在核心内部、围绕纤维或一侧)。这种精细控制允许调整微纤维的刚度和磁响应性。此外,纤维内可化学裂解的区域能够在旋转磁场下分解成更小的机器人单元或卷起结构。这些发现证明了微流体在处理高度集成的小型设备方面的多功能性。
印刷电路板(PCB)设计的规模已大大提高,现代商业设计具有10,000多个组件。但是,放置过程大大依赖了需要数周完成的手动努力,强调了对自动PCB放置方法的需求。PCB放置的挑战来自其灵活的设计空间和有限的路由资源。现有的自动PCB放置工具在质量和可扩展性方面取得了有限的成功。相比之下,非常大规模的集成(VLSI)放置方法已被证明是可扩展的,对于具有数百万个细胞并提供高质量结果的设计是可扩展的。因此,我们提出了柏树,这是一种受VLSI启发的可扩展的,加速的PCB放置方法。它结合了适合PCB布局的量身定制的成本功能,约束处理和优化的技术。此外,对现实和开源基准的需求不断增长,以(1)在工具和(2)建立Performance基准之间进行有意义的比较以跟踪PCB放置技术的进度。为了解决这一差距,我们提出了一个从实际商业设计中合成的PCB基准套件。我们使用基准套件来评估针对最先进的商业和学术PCB放置工具的方法。我们的方法在提出的基准测试标准上证明了1-5.9倍的可路由。对于完全路由的设计,赛普拉斯达到了1-19.7×较短的路由轨道长度。随着GPU加速度,柏树在运行时间内最多可提供492.3倍的加速。最后,我们展示了对真实商业设计的可扩展性,这是现有工具无与伦比的功能。
事件驱动的传感器对于实时应用至关重要,但是当前技术的集成面临着诸如高成本,复杂信号处理和噪声脆弱性之类的限制。这项工作引入了一个由生物启发的机械发光视觉传感器,该传感器使标准基于框架的摄像头能够通过仅在机械应力下发射光执行事件驱动的传感,从而充当事件触发器。从犬齿的生物力学中汲取灵感,传感器利用杆状图案阵列来增强机械发光信号灵敏度并扩大接触表面积。此外,设计支持机器学习的算法旨在实时准确分析相互作用触发的机械发光信号。传感器被整合到四倍的机器人的口腔界面中,显示出增强的交互式功能。该系统成功地分类了八个互动活动,平均精度为92.68%。综合测试验证了传感器在捕获动态触觉信号并扩大与环境相互作用时机器人的应用范围时的效率。
HAL 是一个多学科开放存取档案库,用于存放和传播科学研究文献,无论这些文献是否已出版。这些文献可能来自法国或国外的教学和研究机构,也可能来自公共或私人研究中心。
人类的肌肉束具有同步神经感觉的多功能运动,使人可以执行复杂的任务,这激发了对机器人动作和感知机器人的功能整合的研究。尽管使用固有的依从性,软动力器已经开发了多种运动能力,但同时使用的方法通常涉及添加感应组件或嵌入某些信号的底层基质,从而导致结构复杂性和具有高度变化的部分的驱动部分之间的结构复杂性和差异。受到肌肉束多纤维机制的启发,提出了一种多腔功能整合(MCFI)方法,用于软气动执行器,以同时实现多维运动并通过分离和协调主动和被动腔来感知。引入了一个由生物启发的交织可折叠内体(Bife),以使用优化的目的可折叠性来构建和加强多腔室,从而实现3D打印单物质制造。执行伸长,收缩和双向弯曲,以基于基于多腔压力的运动学和感应模型感知其空间位置,方向和轴向力。建立了两个MCFI-ACTUATOR驱动的机器人:一个具有路径重建的软爬行机器人,具有对象外部感受的狭窄节流柔软的握把,验证了执行执行器的实用性以及对MCFI方法的智能软机器人创新的潜在的潜力。
该技术以天然抗体生物学为基础,旨在诱导抗体六聚体(六个簇)在与细胞表面的靶标结合后形成。据信这可以增强抗体的自然杀伤能力,同时保留其常规结构和特异性。
为了准备将量子启发式交通控制系统投入实际道路使用,DLR ITS 实验室也在对其进行测试。DLR ITS 实验室提供所有交通技术和技术设备,这些技术和设备也适用于典型的道路交叉口。这些设备尤其包括交通信号控制单元。因此,可以验证和优化量子启发式控制系统与实际交通技术之间的相互作用,以便在测试现场推广。
abtract的人工智能和机器学习技术正在开发,即神经网络和系统体系结构将很快模仿人脑的结构和功能。因此,依靠当今人工智能和机器学习能力的有限分析技能的自主武器系统可能很快就会实现类似人类的判断。这种被称为神经形态计算的生物学启发的技术为武器的能力提供了突破性的突破,尤其是在战场环境的管理和分析中。未来的认知自主武器系统(爪)可以补充战斗中的重要作用,例如问责制义务,而他们独立地遵守了区别,相称性,军事必要性和人类的原则,可能会超越其人类和机器的前辈。
1 Momilab, IMT School for Advanced Studies, Lucca, Italy 2 Department of Adult Psychiatry and Psychotherapy, Psychiatric University Clinic Zurich and University of Zurich, Switzerland 3 Neuroscience Center Zurich, University of Zurich and Swiss Federal Institute of Technology Zurich, Zurich, Switzerland 4 Department of Psychology, University of Zurich, Zurich, Switzerland 5 Institute of Pharmacology and毒理学,苏黎世大学,苏黎世,瑞士6 6法医药理学和毒理学系,苏黎世法医医学研究所,苏黎世大学,苏黎世大学,苏黎世,瑞士,瑞士7,苏黎世,苏黎世,苏黎世,苏黎世,苏黎世,苏黎世,瑞士,瑞士9号,瑟斯顿大学,苏格兰,苏格兰,苏黎世。瑞士苏黎世11个心理医学与心理治疗系,医学中心 - 弗莱堡大学,弗莱堡大学医学院,德国弗莱堡大学,德国弗雷堡12重新连接实验室,瑞士温特特尔