In this paper we introduce a novel representation of the significant changes in curvature along the bounding contour of planar shape. We call the representation the Curvature Primal Sketch because of the close analogy to the primal sketch representation advocated by Marr for describing significant intensity changes. We define a set of primitive parameterized curvature discontinuities, and derive expressions for their convolutions with the first and second derivatives of a Gaussian. We describe an implemented algorithm that computes the Curvature Primal Sketch by matching the multiscale convolutions of a shape, and illustrate its performance on a set of tool shapes. Several applications of the representation are sketched.

The basic concept of an adaptable fixturing system and its hardware implementation are described. The system employs reconfigurable fixture elements that are used to locate and hold various workparts for assembly. The fixture configuration can be changed automatically depending upon the workpart geometry and the assembly operations required. Analytic tools are developed for designing fixture layouts. Kinematic modeling, analysis, and characterization of workpart fixturing are presented. The condition for a fixture layout to locate a given workpart uniquely at a desired location is derived. Desirable fixture layout characteristics are obtained for loading and unloading the workpart successfully despite errors in workpart manipulation. The fixturing of a plastic cover of an electrical appliance with complex shape is used as an example to verify the analytic results and for demonstrating the concept.

Significance Cell-based soft robotic devices could have a transformative impact on our ability to design machines and systems that can dynamically sense and respond to a range of complex environmental signals. We demonstrate innovative advancements in biomaterials, tissue engineering, and 3D printing, as well as an integration of these technologies, to forward engineer a controllable centimeter-scale biological machine capable of locomotion on a surface in fluid. Due in part to their elastic nature and the living components that can permit a dynamic response to environmental and applied stimuli, these biological machines can have diverse applications and represent a significant advancement toward high-level functional control over soft biorobotic systems.

The photoplethysmogram is a noninvasive circulatory signal related to the pulsatile volume of blood in tissue and is displayed by many pulse oximeters and bedside monitors, along with the computed arterial oxygen saturation. The photoplethysmogram is similar in appearance to an arterial blood pressure waveform. Because the former is noninvasive and nearly ubiquitous in hospitals whereas the latter requires invasive measurement, the extraction of circulatory information from the photoplethysmogram has been a popular subject of contemporary research. The photoplethysmogram is a function of the underlying circulation, but the relation is complicated by optical, biomechanical, and physiologic covariates that affect the appearance of the photoplethysmogram. Overall, the photoplethysmogram provides a wealth of circulatory information, but its complex etiology may be a limitation in some novel applications.

Densely arrayed skeletal myotubes are activated individually and as a group using precise optical stimulation with high spatiotemporal resolution. Skeletal muscle myoblasts are genetically encoded to express a light-activated cation channel, Channelrhodopsin-2, which allows for spatiotemporal coordination of a multitude of skeletal myotubes that contract in response to pulsed blue light. Furthermore, ensembles of mature, functional 3D muscle microtissues have been formed from the optogenetically encoded myoblasts using a high-throughput device. The device, called "skeletal muscle on a chip", not only provides the myoblasts with controlled stress and constraints necessary for muscle alignment, fusion and maturation, but also facilitates the measurement of forces and characterization of the muscle tissue. We measured the specific static and dynamic stresses generated by the microtissues and characterized the morphology and alignment of the myotubes within the constructs. The device allows testing of the effect of a wide range of parameters (cell source, matrix composition, microtissue geometry, auxotonic load, growth factors and exercise) on the maturation, structure and function of the engineered muscle tissues in a combinatorial manner. Our studies integrate tools from optogenetics and microelectromechanical systems (MEMS) technology with skeletal muscle tissue engineering to open up opportunities to generate soft robots actuated by a multitude of spatiotemporally coordinated 3D skeletal muscle microtissues.

Abstract Cells interacting through an extracellular matrix (ECM) exhibit emergent behaviors resulting from collective intercellular interaction. In wound healing and tissue development, characteristic compaction of ECM gel is induced by multiple cells that generate tensions in the ECM fibers and coordinate their actions with other cells. Computational prediction of collective cell-ECM interaction based on first principles is highly complex especially as the number of cells increase. Here, we introduce a computationally-efficient method for predicting nonlinear behaviors of multiple cells interacting mechanically through a 3-D ECM fiber network. The key enabling technique is superposition of single cell computational models to predict multicellular behaviors. While cell-ECM interactions are highly nonlinear, they can be linearized accurately with a unique method, termed Dual-Faceted Linearization. This method recasts the original nonlinear dynamics in an augmented space where the system behaves more linearly. The independent state variables are augmented by combining auxiliary variables that inform nonlinear elements involved in the system. This computational method involves a) expressing the original nonlinear state equations with two sets of linear dynamic equations b) reducing the order of the augmented linear system via principal component analysis and c) superposing individual single cell-ECM dynamics to predict collective behaviors of multiple cells. The method is computationally efficient compared to original nonlinear dynamic simulation and accurate compared to traditional Taylor expansion linearization. Furthermore, we reproduce reported experimental results of multi-cell induced ECM compaction. Author summary Collective behaviors of multiple cells interacting through an ECM are prohibitively complex to predict with a mechanistic computational model due to its highly nonlinear dynamics and high dimensional space. We introduce a methodology where nonlinear dynamics of single cells are superposed to predict collective multi-cellular behaviors through a developed linearization method. We represent nonlinear single cell dynamics with linear state equations by augmenting the independent state variables with a set of auxiliary variables. We then transform the linear augmented state equations to a low-dimensional latent model and superpose the linear latent models of individual cells to predict collective behaviors that emerge from multi-cellular interactions. The method successfully reproduced experimental results of cell-induced ECM compaction.