改善AR/VR力反馈触感交互,Meta提出恒定流体质量控制CFMC( 三 )


另外 , 团队演示了一种基于CFMC的模拟压力控制的实现方法 , 使用了一种基于学习神经网络的算法 , 从而允许精确调节执行器压力 。 实验同时表明 , 所述方法可以泛化到不同的TPU织物流体驱动器 。
相关论文:
ConstantFluidicMassControlforSoftActuatorsUsingArtificialNeuralNetworkAlgorithm
https://paper.nweon.com/11475
团队最后补充道 , 柔性致动器的外部交互力是可穿戴触觉应用中的常见情况 , 作用在致动器上的不同力会影响其等效电容 , 从而降低学习神经网络模型的精度 。 在未来 , 研究人员计划通过引入预载作为第四个输入变量来扩展所提出的神经网络模型 , 并探索递归神经网络的架构 , 以在控制系统中包含具有时间动态行为的输入变量 。 另外 , 团队计划探索基于CFMC的可穿戴触觉设备模拟压力控制 , 并计划检查CFMC在创建刚度触觉方面的影响 , 以及闭环控制的性能 。