Kinematic Neural Networks: A New Paradigm for Embodied Mechanical Intelligence

运动学 计算机科学 人工智能 具身认知 人工神经网络 机器人 工程类 机器人学 透视图(图形) 人机交互 工作(物理)
作者
Zhihao Xia,Xun Liu,Tingting Wang,Xinhua Lao,Chunxu Tian
出处
期刊:IEEE robotics and automation letters [Institute of Electrical and Electronics Engineers]
卷期号:11 (11): 13445-13452
标识
DOI:10.1109/lra.2026.3739653
摘要

Physical Artificial Intelligence and Mechanical Neural Networks (MNNs) embed information processing in physical structures. This paper investigates a complementary route based on deterministic rigid-body kinematics. We formulate a Kinematic Neural Network (KNN) as a layered linkage computation graph whose geometric parameters are optimized end-to-end by gradient descent. Explicit planar constraint equations, assembly-branch selection, and feasibility conditions are given for the fundamental units. Compact digit and letter tasks are used as multi-input mechanical benchmarks, and an additively manufactured prototype verifies physical feasibility while revealing a simulation-to-hardware gap. An application-oriented design study maps continuous$4\times 4$foot-contact displacement fields to support-locking (SL), compliance-release (CR), and buffer/warning (BW) output states as labels for prospective downstream functions. Because contact input, geometric propagation, and output-state generation are all mechanical displacements, the proposed path evolves continuously with contact and does not require electrical sampling, communication, or digital inference. The optimized 30-unit, 60-link design achieves 99.53% accuracy on 1500 held-out simulated fields without reachability or slot-limit violations. A fully mechanical$4\times 4$prototype achieves 45/45 correct output-region assignments across five repeated trials on each of nine terrain configurations; this hardware study is limited to contact-to-output displacement correspondence.

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
刚刚
transhuman发布了新的文献求助10
刚刚
Sissimummy发布了新的文献求助10
刚刚
Owen的应助被冷暴力采纳,获得10
刚刚
Jane完成签到,获得积分10
1秒前
1秒前
儒雅的裘完成签到,获得积分10
1秒前
顺利大神完成签到,获得积分10
1秒前
1秒前
1秒前
1秒前
2秒前
Yee完成签到,获得积分10
2秒前
空空完成签到 ,获得积分10
2秒前
法则尔先生完成签到,获得积分10
2秒前
嗨嗨完成签到,获得积分10
2秒前
杏仁完成签到,获得积分10
2秒前
刘子田完成签到,获得积分10
2秒前
华仔的应助被实验室采纳,获得10
2秒前
123456hhh完成签到,获得积分10
3秒前
礐嶨完成签到,获得积分10
3秒前
完美世界的应助被Ha采纳,获得10
3秒前
Moonlight完成签到 ,获得积分10
3秒前
Orange的应助被xwj采纳,获得10
3秒前
李琛璐完成签到 ,获得积分10
3秒前
ZeKaWa的应助被森林木采纳,获得10
4秒前
发发完成签到,获得积分10
4秒前
4秒前
羊翊婕发布了新的文献求助10
4秒前
yuan发布了新的文献求助10
4秒前
冷静的远山完成签到 ,获得积分10
5秒前
GLUUUUUE完成签到 ,获得积分10
5秒前
離1028发布了新的文献求助10
5秒前
sunziyi完成签到,获得积分20
6秒前
张鹏荣发布了新的文献求助10
6秒前
TSUKI发布了新的文献求助10
6秒前
6秒前
小小完成签到 ,获得积分10
6秒前
呆萌道天完成签到,获得积分10
6秒前
7秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 1700
The World Atlas of Wine 9th edition 1000
奈特基础组织学:配套组织病理学(第4版)(Netter's Essential Histology With Correlated Histopathology) 800
John McDowells Bildungstheorie 800
Social Psychology in the Real World 600
八旗制度の研究 600
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8180757
求助须知:如何正确求助?哪些是违规求助? 9570857
关于积分的说明 21814590
捐赠科研通 7777053
什么是DOI,文献DOI怎么找? 3433314
关于科研通互助平台的介绍 2557579
邀请新用户注册赠送积分活动 2479315