Размером с пенни, HAMR-JR может выполнять почти все подвиги своего более крупного предшественника, что делает его одним из самых ловких микророботов на сегодняшний день.
«Большинство роботов такого масштаба довольно просты и демонстрируют лишь базовую мобильность», – сказал Кошик Джаярам, бывший научный сотрудник SEAS и Wyss и первый автор статьи. "Мы показали, что вам не нужно идти на компромисс в отношении ловкости или контроля ради размера."
Джаярам в настоящее время является доцентом Колорадского университета в Боулдере.
Исследование было виртуально представлено на Международной конференции по робототехнике и автоматизации (ICRA 2020) на этой неделе.
Один из главных вопросов, связанных с этим исследованием, заключался в том, можно ли использовать всплывающий производственный процесс, использовавшийся для создания предыдущих версий HAMR и других микроботов, включая RoboBee, для создания роботов в различных масштабах – от крошечных хирургических ботов до крупномасштабные промышленные роботы.
PC-MEMS (сокращение от микроэлектромеханических систем с печатными схемами) – это процесс изготовления, в котором компоненты робота вытравливаются на 2D-лист, а затем выскакивают в его 3D-структуру.
Чтобы построить HAMR-JR, исследователи просто уменьшили 2D листовую конструкцию робота вместе с исполнительными механизмами и бортовой схемой, чтобы воссоздать робота меньшего размера со всеми теми же функциями.
«Самое замечательное в этом упражнении состоит в том, что нам не пришлось ничего менять в предыдущем дизайне», – сказал Джаярам. «Мы доказали, что этот процесс можно применить практически к любому устройству самых разных размеров."
HAMR-JR занимает 2 места.25 сантиметров в длину и вес около 0.3 грамма – доля веса реальной копейки. Он может работать с длиной тела около 14 в секунду, что делает его не только одним из самых маленьких, но и одним из самых быстрых микророботов.
Уменьшение масштаба действительно меняет некоторые принципы, регулирующие такие вещи, как длина шага и жесткость суставов, поэтому исследователи также разработали модель, которая может прогнозировать показатели передвижения, такие как скорость бега, силы ног и полезная нагрузка, на основе целевого размера. Затем модель можно использовать для разработки системы с требуемыми характеристиками.
«Этот новый робот демонстрирует, что мы хорошо разбираемся в теоретических и практических аспектах масштабирования сложных роботов с использованием нашего подхода к сборке на основе складывания», – сказал соавтор Роберт Вуд, профессор инженерных и прикладных наук Чарльза Ривера в SEAS и Core. Член факультета Висс.
Соавторами этого исследования являются Дженнифер Шум, Саманта Кастелланос и Э. Фаррелл Хелблинг. Это исследование было поддержано DARPA и Институтом Висса.
Видео: https: // www.YouTube.com / watch?time_continue = 1 & v = aGNWbdGaeAo & feature = emb_logo