ترجمه فارسی مقاله 1 دستکاری موازی مدولار برای جمع آوری داده های رباتیک نرم درازمدت

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی 1 Modular Parallel Manipulator for Long-Term Soft Robotic Data Collection
عنوان مقاله به فارسی 1 دستکاری موازی مدولار برای جمع آوری داده های رباتیک نرم درازمدت
نویسندگان Kiyn Chin, Carmel Majidi, Abhinav Gupta
فرمت مقاله انگلیسی PDF
تعداد صفحات 13
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Robotics,Machine Learning,روباتیک , یادگیری ماشین ,
توضیحات Submitted 5 September, 2024; originally announced September 2024.
توضیحات به فارسی ارسال شده در 5 سپتامبر 2024 ؛در ابتدا سپتامبر 2024 اعلام شد.
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Performing long-term experimentation or large-scale data collection for machine learning in the field of soft robotics is challenging, due to the hardware robustness and experimental flexibility required. In this work, we propose a modular parallel robotic manipulation platform suitable for such large-scale data collection and compatible with various soft-robotic fabrication methods. Considering the computational and theoretical difficulty of replicating the high-fidelity, faster-than-real-time simulations that enable large-scale data collection in rigid robotic systems, a robust soft-robotic hardware platform becomes a high priority development task for the field. The platform's modules consist of a pair of off-the-shelf electrical motors which actuate a customizable finger consisting of a compliant parallel structure. The parallel mechanism of the finger can be as simple as a single 3D-printed urethane or molded silicone bulk structure, due to the motors being able to fully actuate a passive structure. This design flexibility allows experimentation with soft mechanism varied geometries, bulk properties and surface properties. Additionally, while the parallel mechanism does not require separate electronics or additional parts, these can be included, and it can be constructed using multi-functional soft materials to study compatible soft sensors and actuators in the learning process. In this work, we validate the platform's ability to be used for policy gradient reinforcement learning directly on hardware in a benchmark 2D manipulation task. We additionally demonstrate compatibility with multiple fingers and characterize the design constraints for compatible extensions.

چکیده به فارسی (ترجمه ماشینی)

انجام آزمایش طولانی مدت یا جمع آوری داده های در مقیاس بزرگ برای یادگیری ماشین در زمینه روباتیک نرم چالش برانگیز است ، به دلیل استحکام سخت افزاری و انعطاف پذیری تجربی مورد نیاز.در این کار ، ما یک پلت فرم دستکاری موازی موازی ماژولار مناسب برای چنین جمع آوری داده های در مقیاس بزرگ و سازگار با روش های مختلف ساخت روبوتیک نرم را پیشنهاد می کنیم.با توجه به دشواری محاسباتی و نظری در تکرار شبیه سازی های با وفاداری بالا ، سریعتر از زمان واقعی که امکان جمع آوری داده های در مقیاس بزرگ را در سیستم های رباتیک سفت و سخت فراهم می کند ، یک پلتفرم سخت افزاری نرم و تند و نرم تبدیل به یک کار توسعه اولویت برای این زمینه می شود.ماژول های این سکو از یک جفت موتور الکتریکی خارج از قفسه تشکیل شده است که یک انگشت قابل تنظیم متشکل از یک ساختار موازی سازگار است.مکانیسم موازی انگشت می تواند به سادگی یک اورتان مجرد چاپ شده سه بعدی یا ساختار فله سیلیکونی قالب دار باشد ، به دلیل اینکه موتورها قادر به انجام یک ساختار منفعل هستند.این انعطاف پذیری طراحی اجازه می دهد تا با مکانیسم نرم هندسه های متنوع ، خواص فله و خصوصیات سطح آزمایش شود.علاوه بر این ، در حالی که مکانیسم موازی نیازی به الکترونیک جداگانه یا قطعات اضافی ندارد ، این موارد را می توان درج کرد و می توان با استفاده از مواد نرم چند منظوره برای مطالعه سنسورهای نرم و سازگار سازگار در فرآیند یادگیری ساخته شد.در این کار ، ما توانایی استفاده از پلتفرم را برای یادگیری تقویت شیب سیاست مستقیم بر روی سخت افزار در یک معیار 2D کار دستکاری تأیید می کنیم.علاوه بر این ، ما سازگاری با انگشتان چندگانه را نشان می دهیم و محدودیت های طراحی را برای پسوندهای سازگار توصیف می کنیم.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.