マイクロメートルサイズのプログラム可能な形状記憶アクチュエータ

Micrometer-sized electrically programmable shape-memory actuators for low-power microrobotics | Science Robotics
Micrometer-sized electrically programmable shape-memory actuators for low-power microrobotics [1]

形状記憶アクチュエータは、ロボットから医療用インプラントに至るまでの機械が、継続的な電力なしでその形状を保持できるようにします。これは、これらのデバイスが束縛されておらず、電力が制限されている状況で特に有利な機能です。以前の研究では、ポリマー、合金、セラミックを使用した形状記憶アクチュエータが実証されていますが、マイクロメートルスケールの電気形状記憶アクチュエータ、特に標準的な電子機器（〜1ボルト）で駆動できるアクチュエータの必要性はほとんど満たされていないままです。

コーネル大らの研究チームが、新しい高速、高曲率、低電圧、再構成可能、マイクロメートルスケールの形状記憶アクチュエータを開発、その成果をScience Roboticsに寄稿しています。

それらのアクチュエータは白金表面の電気化学的酸化/還元によって機能し、酸化層にひずみを生じさせて曲げを引き起こします。また、電気的に制御されるマイクロアクチュエータの最小曲率半径（〜500ナノメートル）に曲がり、高速（<100ミリ秒の動作）で、水の電気化学的ウィンドウ内で動作し、酸素発生に関連する気泡の生成を回避するそうです。論文中では、これらの形状記憶アクチュエータを使用して、作動面、折り紙ベースの3次元形状、モーフィングメタマテリアル、機械的記憶要素など、電気的に再構成可能な基本的なマイクロスケールロボット要素を作成できることを示しています。

形状記憶アクチュエータは、適応型マイクロスケール構造、生体植込み型デバイス、および顕微鏡ロボットの実現を可能にする可能性を秘めているとしています。

[1] : Liu, Q., Wang, W., Reynolds, M. F., Cao, M. C., Miskin, M. Z., Arias, T. A., … & Cohen, I. (2021). Micrometer-sized electrically programmable shape-memory actuators for low-power microrobotics. Science Robotics, 6(52).

URL : https://robotics.sciencemag.org/content/6/52/eabe6663

ポリマーチューブをねじることで開発したパスタ構造に似たソフトアクチュエータ

Precision cavatappi actuator control [1]

効率的かつ強力な、準拠した生体模倣の動作技術は、いつか人間と相互作用し、増強し、潜在的に統合する可能性のあるロボットシステムに必要です。

ノーザン・アリゾナ大らの研究チームは、安価なポリマーチューブから製造された流体駆動の筋肉のようなアクチュエータを開発、その成果をScience Roboticsに寄稿しています。

最初に、チューブを描画、微細構造の異方性を向上させた後に、チューブをねじることで、アクチュエータとして使用できるそうです。ツイストチューブはらせん状に巻かれ、リニアアクチュエータになっています。これらのリニアアクチュエータは、イタリアのパスタとの類似性に基づいて、カヴァタッピ人工筋肉と名付けられています。

引き抜いてねじった後、チューブ内に油圧または空気圧を加えると、らせん状の微細構造が局所的にほどけます。このねじれの解消は、コイル状の構成のらせんピッチの収縮として現れ、油圧または空気圧の活性化源を考えると、これらのデバイスは、作動帯域幅、効率、モデリングと制御性、および実際の実装に関して、同様の熱活性化作動技術を大幅に上回る可能性があるとしています。

論文では、カヴァタッピが初期の長さの50％以上収縮し、45％近くの機械的収縮効率を示すことを示します。また、カヴァタッピ人工筋肉は、それぞれ0.38J/kgと1.42kW/kgの最大比仕事と出力を示すことができることを示しています。この技術の継続的な開発は、将来さらに高いパフォーマンスにつながる可能性があるとしています。

[1] : Higueras-Ruiz, D. R., Shafer, M. W., & Feigenbaum, H. P. (2021). Cavatappi artificial muscles from drawing, twisting, and coiling polymer tubes. Science Robotics, 6(53).

URL : https://robotics.sciencemag.org/content/6/53/eabd5383

ウェアラブル可能な不揮発性メモリ用の溶液から生成した伸縮性Ag2S半導体薄膜の製造方法

Solution‐Processed Stretchable Ag2S Semiconductor Thin Films for Wearable Self‐Powered Nonvolatile Memory - Jo - 2021 - Advanced Materials - Wiley Online Library
Solution-Processed Stretchable Ag2S Semiconductor Thin Films for Wearable Self-Powered Nonvolatile Memory [1]

延性のある金属や有機材料で観察される大きな塑性変形と比較して、無機半導体はその固有の結合特性のために塑性が制限され（<0.2％）、伸縮性のある電子機器での広範な用途が制限されます。

韓国の蔚山科学技術大学校らの研究チームは、延性のあるα-Ag2S薄膜の溶液処理合成と、全無機、セルフパワー、伸縮性のあるメモリデバイスの製造について報告、その研究成果がAdvanced Materialsに寄稿されています。

分子Ag2S複合溶液は、Ag2S粉末の化学的還元によって合成され、ウェーハスケールの高結晶性Ag2S薄膜を製造しています。薄膜は固有の延性により伸縮性を示し、14.9％の引張ひずみで構造の完全性を維持し、さらに、この抵抗変化型メモリは、優れたバイポーラスイッチング特性（イオン/ Ioff比約105、動作耐久性100サイクル、保持時間> 106秒）と優れた機械的伸縮性（特性の低下なし）を示す）。

また、このデバイスは耐久性としても優れているそうで、さまざまな化学的環境や-196〜300°Cの温度でも非常に耐久性があり、特にヘルスケアの文脈で重要な耐湿性もあり、相対湿度85％および85°Cで168時間特性を維持するそうです。
ウェアラブルヘルスケア監視システムとして使用するためのモーションセンサーと組み合わせたセルフパワーメモリが実証され、現実の環境で日常生活で使用できる高性能ウェアラブル電子機器を設計する可能性を提供するとしています。

[1] : Jo, S., Cho, S., Yang, U. J., Hwang, G. S., Baek, S., Kim, S. H., … & Son, J. S. (2021). Solution‐Processed Stretchable Ag2S Semiconductor Thin Films for Wearable Self‐Powered Nonvolatile Memory. Advanced Materials, 33(23), 2100066.

URL : https://onlinelibrary.wiley.com/doi/10.1002/adma.202100066

RadarNet: 小型レーダーセンサーの活用した効率的なジェスチャー認識技術

RadarNet: Efficient Gesture Recognition Technique Utilizing a Miniaturized Radar Sensor [1]

ジェスチャーは、タッチスクリーンなどの従来の入力が使用できない場合の入力手法として有望な候補ですが、これまでの多くの研究では、イメージセンサーを用いたジェスチャー認識に焦点が当てられてきました。
しかし、カメラはコストが高く、バッテリー消費量も多く、プライバシーの問題もあるため、常時使用するソリューションとしては難しいとされています。

Google ATAPのチームは、60GHzの小型レーダーセンサーを用いた効率的なジェスチャー認識技術を2021年度のCHI会議にその成果を寄稿、Best paperに選ばれています。この技術は，携帯電話に内蔵されたレーダーチップ（6.5×5.0mm）を用いて，4方向のスワイプを認識するものだそうです。
バッテリー駆動で計算量に制約のあるプロセッサでも十分に効率的な、畳み込みニューラルネットワークモデルを開発しており、このモデルは、レーダーを用いた既存のジェスチャー認識技術と比較して、モデルサイズと推論時間が1/5000以下に抑えられていると報告しています。

558,000個のジェスチャーサンプルと3,920個のジェスチャーサンプルからなる大規模データセットを用いた評価では 558,000個のジェスチャーサンプルと3,920,000個のネガティブサンプルからなる大規模なデータセットを用いた評価により、アルゴリズムの効率性、ロバスト性、そして展開の可能性が得られたと報告しています。

[1] : Hayashi, E., Lien, J., Gillian, N., Giusti, L., Weber, D., Yamanaka, J., … & Poupyrev, I. (2021, May). RadarNet: Efficient Gesture Recognition Technique Utilizing a Miniature Radar Sensor. In Proceedings of the 2021 CHI Conference on Human Factors in Computing Systems (pp. 1-14).

URL : https://dl.acm.org/doi/10.1145/3411764.3445367

1 2 3 4 … 86