Amplifying the Kinematics of Origami Mechanisms With Spring Joints

由于其刚性折叠和可预测的运动学，反向折叠是一些最著名的折纸运动结构（包括Miura Ori、Yoshimura和水弹纹样）背后的基本机制。然而，反向折叠只有一个参数来控制其行为：起始折叠角度。在本文中，我介绍了一种替代传统反向折叠的机制，称为“弹簧接头”，基于“弹簧启动”模式。这种新颖的刚性折叠机制能够将多个反向折叠耦合到一个紧凑的空间中，将传统反向折叠的运动学输出放大多达十倍，并为每个反向折叠添加一个参数，为折纸结构提供更多程序控制。同时，还介绍了参数化起始角度、运动路径和运动轴的方法。不幸的是，这种多功能性的机制的代价是层积的大量增加，使得弹簧接头对于厚折纸机制来说不切实际。为了解决这个问题，我还介绍了一种模块化的替代弹簧接头，没有额外的层，但具有相同的运动学特性。这两种机制都被测试作为传统和定制折纸结构中反向折叠的替代品。

论文介绍了一种基于弹簧机构的新型刚性折叠机构，旨在增加对折叠机构的可编程性和控制性。

论文提出了一种新型弹簧连接机构，可以将多个传统的反向折叠机构耦合在一起，以放大其运动学输出，并为每个反向折叠机构添加一个参数，从而增加了折纸结构的可编程性。

该论文介绍了两种不同的机构，一种是弹簧连接机构，另一种是模块化弹簧连接机构。实验结果表明，这两种机构都可以替代传统的反向折叠机构，并在一些折纸结构中得到应用。

在相关研究方面，最近的一些研究主要集中在利用机器学习和深度学习技术来设计和优化折纸结构，如《Deep Origami: Deep Learning to Fold Any Origami》和《OrigamiNet: A 3D Framework for End-to-End OrigamiNet Learning》等。