We test grip strength and shock absorption properties of various granular material in granular jamming robotic components. The granular material comprises a range of natural, manufactured, and 3D printed material encompassing a wide range of shapes, sizes, and Shore hardness. Two main experiments are considered, both representing compelling use cases for granular jamming in soft robotics. The first experiment measures grip strength (retention force measured in Newtons) when we fill a latex balloon with the chosen grain type and use it as a granular jamming gripper to pick up a range of test objects. The second experiment measures shock absorption properties recorded by an Inertial Measurement Unit which is suspended in an envelope of granular material and dropped from a set height. Our results highlight a range of shape, size and softness effects, including that grain deformability is a key determinant of grip strength, and interestingly, that larger grain sizes in 3D printed grains create better shock absorbing materials.

Fruit harvesting has recently experienced a shift towards soft grippers that possess compliance, adaptability, and delicacy. In this context, pneumatic grippers are popular, due to provision of high deformability and compliance, however they typically possess limited grip strength. Jamming possesses strong grip capability, however has limited deformability and often requires the object to be pushed onto a surface to attain a grip. This paper describes a hybrid gripper combining pneumatics (for deformation) and jamming (for grip strength). Our gripper utilises a torus (donut) structure with two chambers controlled by pneumatic and vacuum pressure respectively, to conform around a target object. The gripper displays good adaptability, exploiting pneumatics to mould to the shape of the target object where jamming can be successfully harnessed to grip. The main contribution of the paper is design, fabrication, and characterisation of the first hybrid gripper that can use granular jamming in free space, achieving significantly larger retention forces compared to pure pneumatics. We test our gripper on a range of different sizes and shapes, as well as picking a broad range of real fruit.

Granular jamming has recently become popular in soft robotics with widespread applications including industrial gripping, surgical robotics and haptics. Previous work has investigated the use of various techniques that exploit the nature of granular physics to improve jamming performance, however this is generally underrepresented in the literature compared to its potential impact. We present the first research that exploits vibration-based fluidisation actively (e.g., during a grip) to elicit bespoke performance from granular jamming grippers. We augment a conventional universal gripper with a computer-controllled audio exciter, which is attached to the gripper via a 3D printed mount, and build an automated test rig to allow large-scale data collection to explore the effects of active vibration. We show that vibration in soft jamming grippers can improve holding strength. In a series of studies, we show that frequency and amplitude of the waveforms are key determinants to performance, and that jamming performance is also dependent on temporal properties of the induced waveform. We hope to encourage further study focused on active vibrational control of jamming in soft robotics to improve performance and increase diversity of potential applications.

粒状干扰在软机器人中的应用是最近和有希望的新技术，为创建更高的性能机器人设备提供令人兴奋的可能性。通过在含有颗粒物质内的膜内的真空压力施加真空压力来实现粒状干扰，并且从设计角度来看特别是有趣的，因为可以利用设计参数的多种设计参数来诱导各种有用的行为。迄今为止，已经研究了变量（如晶粒形状和尺寸）以及膜材料的效果作为诱导定制抓握性能的手段，但是由于其特定地，尚未研究其他主要贡献因素，膜形态膜形态学两种准确建模和制造的复杂性。该研究介绍了优化颗粒干扰夹具的膜形态，组合多材料3D打印和进化算法来搜索Materio中的各种形态设计空间的研究。在单个运行中打印整个几代，并测试夹持器保持力并用作健身测量。我们的方法是相对可扩展的，规避需要建模，并保证所考虑的夹具的真实表现。结果表明，膜形态是夹具性能的关键决定因素。可以看到常见的高性能设计以优化粒状夹持器产生抓地力的所有三种主要识别机制，与标准夹持形态有显着不同，并概括跨越一系列测试对象。

软机器人抓手具有许多优势，可以解决动态空中抓握方面的挑战。最近展示的用于空中抓握的典型多指的软握把高度依赖于成功抓握的目标对象的方向。这项研究通过开发一种用于自主空气操纵的全向系统来推动动态空中抓地力的边界。特别是，该论文研究了一种新型，高度集成，模块化，传感器富含通用的握把的设计，制造和实验验证，专为空中应用而设计。提出的抓手利用粒子堵塞和软颗粒材料的最新发展产生了强大的握持力，同时非常轻巧，节能，并且只需要低激活力。我们表明，通过在膜的硅硅混合物中添加添加剂，可以将持有力提高多达50％。实验表明，即使没有几何互锁，我们的轻质抓地力也可以以低至2.5n的激活力发育高达15n的持有力。最后，通过将抓地力安装到多旋风的情况下，在实际条件下执行了一个选择和释放任务。开发的空中抓握系统具有许多有用的属性，例如对碰撞的弹性和鲁棒性以及将无人机与环境脱离的固有的被动合规性。

意识到高性能软机器人抓手是具有挑战性的，因为软执行器和人造肌肉的固有局限性。尽管现有的软机器人抓手表现出可接受的性能，但他们的设计和制造仍然是一个空旷的问题。本文探索了扭曲的弦乐执行器（TSA），以驱动软机器人抓手。 TSA已被广泛用于众多机器人应用中，但它们包含在软机器人中是有限的。提议的抓手设计灵感来自人类手，四个手指和拇指。通过使用拮抗剂TSA，在手指中实现了可调刚度。手指的弯曲角度，驱动速度，阻塞力输出和刚度调整是实验表征的。抓手能够在Kapandji测试中获得6分，并且还可以达到33个Feix Grasp Grasp分类法中的31个。一项比较研究表明，与其他类似抓手相比，提出的抓手表现出等效或卓越的性能。

Grasping是实际应用中大多数机器人的重要能力。软机器人夹具被认为是机器人抓握的关键部分，并在对象几何形状方差方差的高度和稳健性方面引起了相当大的关注;然而，它们仍然受到相应的传感能力和致动机制的限制。我们提出了一种新型软夹具，看起来像碎碎的碎碎片，其具有综合模具技术制造的柔顺的双稳态机构，纯粹机械地实现感测和致动。特别地，所提出的夹持器中的卡通双稳态结构允许我们降低机构的复杂性，控制，感测设计，因为抓握和感测行为是完全被动的。一旦夹持器的触发位置触及物体并施加足够的力，抓握行为就会自动激励。为了用各种型材抓住物体，所提出的粮食软夹具（GSG）设计为能够包封，夹紧和持续爪。夹具由腔掌，棕榈帽和三个手指组成。首先，分析夹具的设计。然后，在构造理论模型之后，进行有限元（FE）仿真以验证构建的模型。最后，进行了一系列掌握实验，以评估所提出的夹持器对抓握和感测的卡通行为。实验结果说明了所提出的夹持器可以操纵各种柔软和刚性物体，并且即使它承担外部干扰，也可以保持稳定。

软机器人操纵器对于在受限环境中的医疗干预或工业检查等一系列应用都具有吸引力。文献中已经提出了无数的软机器人操纵器，但是它们的设计往往相对相似，并且通常提供相对较低的力。这限制了他们可以携带的有效载荷，因此限制了它们的可用性。在公共框架下不可用不同设计的力的比较，并且设计具有不同的直径和功能，使它们难以比较。在本文中，我们介绍了一种软机器人操纵器的设计，该设计的优化为最大化其力，同时尊重典型的应用程序约束，例如大小，工作区，有效负载能力和最大压力。此处介绍的设计具有一个优势，即它变为最佳设计，因为它被加压到朝不同方向移动，这会导致较高的横向力。该机器人是使用一组原理设计的，因此可以适应其他应用程序。我们还为软机器人操纵器提供了非二维分析，并将其应用于此处提出的设计的性能与文献中其他设计的性能。我们表明，我们的设计比同一类别中的其他设计具有更高的力量。实验结果证实了我们提出的设计的较高力量。

虽然在各种应用中广泛使用刚性机器人，但它们在他们可以执行的任务中受到限制，并且在密切的人机交互中可以保持不安全。另一方面，软机器鞋面超越了刚性机器人的能力，例如与工作环境，自由度，自由度，制造成本和与环境安全互动的兼容性。本文研究了纤维增强弹性机壳（释放）作为一种特定类型的软气动致动器的行为，可用于软装饰器。创建动态集参数模型以在各种操作条件下模拟单一免费的运动，并通知控制器的设计。所提出的PID控制器使用旋转角度来控制多项式函数之后的自由到限定的步进输入或轨迹的响应来控制末端执行器的方向。另外，采用有限元分析方法，包括释放的固有非线性材料特性，精确地评估释放的各种参数和配置。该工具还用于确定模块中多个释放的工作空间，这基本上是软机械臂的构建块。

视觉的触觉传感器由于经济实惠的高分辨率摄像机和成功的计算机视觉技术而被出现为机器人触摸的有希望的方法。但是，它们的物理设计和他们提供的信息尚不符合真实应用的要求。我们提供了一种名为Insight的强大，柔软，低成本，视觉拇指大小的3D触觉传感器：它不断在其整个圆锥形感测表面上提供定向力分布图。围绕内部单眼相机构造，传感器仅在刚性框架上仅成型一层弹性体，以保证灵敏度，鲁棒性和软接触。此外，Insight是第一个使用准直器将光度立体声和结构光混合的系统来检测其易于更换柔性外壳的3D变形。通过将图像映射到3D接触力的空间分布（正常和剪切）的深神经网络推断力信息。洞察力在0.4毫米的总空间分辨率，力量幅度精度约为0.03 n，并且对于具有不同接触面积的多个不同触点，在0.03-2 n的范围内的5度大约5度的力方向精度。呈现的硬件和软件设计概念可以转移到各种机器人部件。

空气中的快速且通用的物体操纵是一个开放的挑战。节能和自适应的软抓地力与敏捷航空媒介相结合可以彻底改变仓库等区域的空中机器人操纵。本文提出了一个由生物启发的抓斗者，该抓地力由安装在四轮驱动器上的液压放大的静电执行器提供动力，该执行器可以与其环境安全自然地相互作用。我们抓紧的概念是由鹰的脚激励的。我们的自定义多动物概念的灵感来自蝎子尾部设计（由邻接的小袋组成的基本电极组成）和蜘蛛启发的接头（经典的小袋电动机，带有灵活的铰链层）。与单铰链概念相比，这两种设计的混合体在高达25 {\ deg}的中等偏转下实现了更高的力输出。此外，将铰链层夹紧可改善抓手的稳健性。我们第一次表明，使用静电致动，空气中的软操作可能是可能的。这项研究证明了在空中机器人操作中不受束缚的液压扩增的执行器的潜力。我们的概念证明为在移动航空系统中使用液压静电执行器的使用打开了。

与传统的刚性机器人相比，由于合规性，安全性和低成本，软机器人由于其优点而引起了越来越多的关注。作为软机器人的重要组成部分，软机器人夹具还显示出其优越的同时抓住具有不规则形状的物体。已经进行了最近的研究，以通过调整可变有效长度（VEL）来改善其抓握性能。然而，通过多室设计或可调刚度形状记忆材料实现的Vel需要复杂的气动电路设计或耗时的相变过程。这项工作提出了一种由3D印刷灯丝，忍者克朗的折叠式软机器人执行器。它是通过高速模型进行实验测试和表示的。进行数学和有限元建模，以研究所提出的软致动器的弯曲行为。此外，提出了一种拮抗约束机制来实现VEL，并且实验表明实现了更好的符合性。最后，设计了一种双模夹具，以展示Vel对抓取性能的进步。

在过去的十年中，自动驾驶航空运输车辆引起了重大兴趣。这是通过空中操纵器和新颖的握手的技术进步来实现这一目标的。此外，改进的控制方案和车辆动力学能够更好地对有效载荷进行建模和改进的感知算法，以检测无人机（UAV）环境中的关键特征。在这项调查中，对自动空中递送车辆的技术进步和开放研究问题进行了系统的审查。首先，详细讨论了各种类型的操纵器和握手，以及动态建模和控制方法。然后，讨论了降落在静态和动态平台上的。随后，诸如天气状况，州估计和避免碰撞之类的风险以确保安全过境。最后，调查了交付的UAV路由，该路由将主题分为两个领域：无人机操作和无人机合作操作。

软机器人是一个新兴领域，对需要与环境或人类的安全性和强大的互动的任务产生了有希望的结果，例如抓握，操纵和人机互动。软机器依赖于本质上兼容的部件，并且难以配备传统的刚性传感器，这些传统传感器会干扰其合规性。我们提出了一种高度灵活的触觉传感器，在低成本且易于制造，同时独立于14个出租车测量接触压力。传感器由压阻织物构成，用于高度敏感，连续的响应，以及来自定制设计的柔性印刷电路板，提供高的Taxel密度。从这些TaxLes，可以推断出与传感器的接触位置和强度。在本文中，我们解释了所提出的传感器的设计和制造，表征其输入输出关系，在装备到软机器人RBO手2的硅树脂基气动执行器时，评估其对遵守的影响，并证明传感器提供基于学习的携手对象识别的丰富和有用的反馈。

近二十年来，软机器人技术一直是机器人社区中的一个热门话题。但是，对于软机器人进行建模和分析的可用工具仍然有限。本文介绍了一个用户友好的MATLAB工具箱Soft Robot Simulator（Sorosim），该工具集合了Cosserat杆的几何变量应变（GVS）模型，以促进对软，刚性或混合机器人系统的静态和动力分析。我们简要概述了工具箱的设计和结构，并通过将其结果与文献中发布的结果进行比较。为了突出该工具箱有效建模，模拟，优化和控制各种机器人系统的潜力，我们演示了四个示例应用程序。所示的应用探索了单，分支，开放式和闭合链机器人系统的不同执行器和外部加载条件。我们认为，软机器人研究社区将从Sorosim工具箱中大大受益，用于多种应用。

从一个或多个未分类桩中挑选一个或多个物体对于机器人系统而言仍然是不平凡的。当桩由包含彼此纠缠的单个项目的颗粒材料（GM）组成时，尤其如此，导致挑选出更多的选择。这种容易发生的GM的关键特征之一是从桩中的主要物体延伸的突起存在。这项工作描述了后者在引起机械纠缠及其对选择一致性的影响方面所扮演的角色。 IT报告了实验，其中采摘具有不同突出长度（PLS）的GMS导致挑选质量差异增加了76％，这表明PL是采摘策略设计中的一项信息功能。此外，为了应对这种效果，它提出了一种新的传播（SNP）方法，可大大减少纠结，从而使选择更加一致。与试图从桩中的无缠结点进行选择的先前方法相比，提出的方法导致选择误差（PE）的降低高达51％，并显示出对先前看不见的GMS的良好概括。

尽管已显示触觉皮肤可用于检测机器人臂及其环境之间的碰撞，但并未广泛用于改善机器人抓握和手持操作。我们提出了一种新型的传感器设计，用于覆盖现有的多指机器人手。我们在台式实验中使用织物和抗静态泡沫底物分析了四种不同的压电材料的性能。我们发现，尽管压电泡沫被设计为包装材料，而不是用作传感底物，但它的性能与专门为此目的设计的织物相当。尽管这些结果证明了压电泡沫对触觉传感应用的潜力，但它们并未完全表征这些传感器在机器人操作中使用的功效。因此，我们使用低密度泡沫底物来开发可扩展的触觉皮肤，该皮肤可以连接到机器人手的手掌上。我们使用该传感器展示了几项机器人操纵任务，以显示其可靠地检测和本地化接触的能力，并在掌握和运输任务期间分析接触模式。我们的项目网站提供了有关传感器开发和分析中使用的所有材料，软件和数据的详细信息：https：//sites.google.com/gcloud.utah.edu/piezoresistive-tactile-sensing/。

Accurate simulation of soft mechanisms under dynamic actuation is critical for the design of soft robots. We address this gap with our differentiable simulation tool by learning the material parameters of our soft robotic fish. On the example of a soft robotic fish, we demonstrate an experimentally-verified, fast optimization pipeline for learning the material parameters from quasi-static data via differentiable simulation and apply it to the prediction of dynamic performance. Our method identifies physically plausible Young's moduli for various soft silicone elastomers and stiff acetal copolymers used in creation of our three different robotic fish tail designs. We show that our method is compatible with varying internal geometry of the actuators, such as the number of hollow cavities. Our framework allows high fidelity prediction of dynamic behavior for composite bi-morph bending structures in real hardware to millimeter-accuracy and within 3 percent error normalized to actuator length. We provide a differentiable and robust estimate of the thrust force using a neural network thrust predictor; this estimate allows for accurate modeling of our experimental setup measuring bollard pull. This work presents a prototypical hardware and simulation problem solved using our differentiable framework; the framework can be applied to higher dimensional parameter inference, learning control policies, and computational design due to its differentiable character.

由于柔软的机器人越来越多地在需要高度和受控接触力的环境中使用，最近的研究表明，使用软机器人来估计或本质上感应而不需要外部传感机制。虽然这主要被示出在肌腱的连续管道机构或包括推拉杆致动的可变形机器人，但由于高致动变异性和非线性机械系统响应，流体驱动器仍然造成巨大挑战。在这项工作中，我们调查液压，并联软机器人至本质上的能力和随后控制接触力。导出了一种综合算法，用于静态，准静态和动态力感测，依赖于系统的流体体积和压力信息。该算法验证了单一自由度软流体致动器。结果表明，在准静态配置中，可以在验证范围内的验证范围内的0.56±0.66n的精度下估计作用在单个致动器上的轴向力。力传感方法应用于在单个致动器中强制控制以及耦合的并联机器人。可以看出，两种系统可以准确地控制力，以在多自由度平行软机器人的情况下控制定向接触力的能力。

在本文中，我们介绍了一个数据驱动的框架，以优化软抓地力的平面外刚度，以实现机械性能，如难以扭动且易于弯曲。在软气动弯曲执行器（SPBA）的设计中证明了该方法的有效性。首先，定义了一个新的目标函数来定量评估平面外刚度以及弯曲性能。然后，对SPBA设计的参数模型进行灵敏度分析，以确定有限元分析（FEA）的优化设计参数。为了启用数值优化的计算，采用数据驱动的方法来学习成本函数，该成本函数直接代表平面外刚度作为设计变量的可区分函数。一种基于梯度的方法用于最大化SPBA的平面外刚度，同时确保特定的弯曲性能。我们方法的有效性已在3D打印的握把上进行的物理实验中得到了证明。