基于深度学习微误差校正的闭环式透明基质机器人操作用于自驾实验室
机器人学
2025-12-09 v1 机器学习
摘要
自驾实验室（SDLs）已加速了发现和改进化学与材料方面的产能和自动化能力。尽管这些 SDLs 已自动化了conduct chemical and materials experiments 所需的许多步骤，但自动化管道中常被忽视的一个步骤是用于将材料转移或沉积至下游表征用的基质的处理和重新装载。我们开发了一种基于机器人、双驱动沉积装置和深度学习驱动的计算机视觉来检测和纠正 SDLs 中处理脆弱透明基质的错误的闭环方法，称为自动基质处理与交换系统（ASHE）。使用 ASHE，我们在 130 次独立试验中实现了将透明玻璃基质重新装载到 SDL 中的 98.5% 第一次放置准确率，其中仅发生两次基质误放置，且成功检测为错误并自动纠正。通过开发更准确可靠的处理 various 基质的方法，我们向 SDL 自动化能力的提升迈进，从而进一步加速新型化学与材料发现的进程。
引用
@article{arxiv.2512.06038,
title = {Closed-Loop Robotic Manipulation of Transparent Substrates for Self-Driving Laboratories using Deep Learning Micro-Error Correction},
author = {Kelsey Fontenot and Anjali Gorti and Iva Goel and Tonio Buonassisi and Alexander E. Siemenn},
journal= {arXiv preprint arXiv:2512.06038},
year = {2025}
}
备注
15 pages, 8 figures