Bacteria-inspired Robotic Propulsion from Bundling of Soft Helical Filaments at Low Reynolds Number

要約

鞭毛の束ねは、細菌が方向転換をせずにほぼ一直線に移動する「ラン」相を作り出すことが知られています。これまで、鞭毛の束ね現象を機械的に説明することは多くの研究者の興味を引き、物理モデルや実験手法に大きな進歩がありました。本研究では、バクテリアに着想を得たセンチメートルスケールのソフトロボット・ハードウェア・プラットフォームと、低レイノルズ数(~0.1)下でのマルチフラジェル・ロボットの物理的にもっともらしいシミュレーション・モデルのための計算フレームワークを紹介することで、この分野の研究に貢献する。流体-構造連成シミュレーションは、離散弾性棒アルゴリズムと正則化ストークスレットセグメント法を組み合わせています。2つの鞭毛の接触は、ペナルティに基づく方法で処理される。実験結果とシミュレーション結果の比較を行い、シミュレーションツールがこの問題の本質的な物理を捉えることができることを検証する。バンドル現象による座屈に対するロバスト性と、複数鞭毛を持つソフトロボットの効率について、単一鞭毛を持つものと比較した予備的な知見を示す。また、鞭毛の回転速度に非線形に依存するロボットの推進力として現れる、幾何学と弾性の間の結合について観察した。

要約(オリジナル)

The bundling of flagella is known to create a ‘run’ phase, where the bacteria moves in a nearly straight line rather than making changes in direction. Historically, mechanical explanations for the bundling phenomenon intrigued many researchers, and significant advances were made in physical models and experimental methods. Contributing to the field of research, we present a bacteria-inspired centimeter-scale soft robotic hardware platform and a computational framework for a physically plausible simulation model of the multi-flagellated robot under low Reynolds number (~0.1). The fluid-structure interaction simulation couples the Discrete Elastic Rods algorithm with the method of Regularized Stokeslet Segments. Contact between two flagella is handled by a penalty-based method. We present a comparison between our experimental and simulation results and verify that the simulation tool can capture the essential physics of this problem. Preliminary findings on robustness to buckling provided by the bundling phenomenon and the efficiency of a multi-flagellated soft robot are compared with the single-flagellated counterparts. Observations were made on the coupling between geometry and elasticity, which manifests itself in the propulsion of the robot by nonlinear dependency on the rotational speed of the flagella.

arxiv情報

著者 Sangmin Lim,Achyuta Yadunandan,Mohammad Khalid Jawed
発行日 2023-03-06 08:16:06+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, DeepL

カテゴリー: cs.RO パーマリンク