Robotteknologi og fysisk AI

Nye 3D-printede materialer kan føle deres egne bevægelser

mm
Føj Unite.AI til dine foretrukne kilder på Google

Et hold af forskere på MIT har udviklet en ny metode til 3D-printning af materialer med justerbare mekaniske egenskaber, hvilket giver dem mulighed for at føle deres egne bevægelser og interaktioner med omgivelserne. Holdet skabte de følsomme strukturer med ét materiale og en enkelt forsøg på en 3D-printer.

De tog først 3D-printede gittermaterialer og indarbejdede netværk af luftfyldte kanaler i strukturen under printningsprocessen. De kunne derefter udlede indsigt i, hvordan materialet bevæger sig, ved at måle trykændringerne inden for disse kanaler, når strukturen bliver sammenpresset, bøjet eller strækket.

Gittermaterialerne består af enkeltceller i en gentaget mønster, og ved at ændre størrelsen eller formen på cellerne, ændres materialets mekaniske egenskaber.

Den nye teknik kunne til sidst hjælpe med at skabe fleksible bløde robotter med indbyggede sensorer, der giver robotterne mulighed for at forstå deres holdning og bevægelser. Det kunne også føre til udviklingen af bærbare smartenheder, der kan tilpasses.

Lillian Chin er medforfatter og en ph.d.-studerende på MIT Computer Science and Artificial Intelligence Laboratory (CSAIL).

“Idéen med dette arbejde er, at vi kan tage ethvert materiale, der kan 3D-printes, og have en enkel måde at rute kanaler igennem det, så vi kan få sensorisering med struktur. Og hvis du bruger rigtig komplekse materialer, kan du få bevægelse, perception og struktur alle på én gang,” siger Chin.

Artiklen inkluderer også medforfatter Ryan Truby, en tidligere CSAIL-postdoc og nuværende lektor på Northwestern University; Annan Zhang, en CSAIL-ph.d.-studerende; og seniorforfatter Daniela Rus, Andrew og Erna Viterbi Professor of Electrical Engineering and Computer Science og direktør for CSAIL.

Forskningen blev offentliggjort i Science Advances.

3D-Printteknik

Holdet afhængigt af 3D-printning til at indarbejde luftfyldte kanaler direkte i strutterne, der danner gitteret. Når strukturen undergår bevægelse eller bliver sammenpresset, deformerer kanalerne og luftens volumen inde i ændrer sig. Dette giver mulighed for at måle den tilsvarende ændring i tryk med en standard tryksensor, der giver feedback om, hvordan materialet deformerer sig.

“Hvis du strækker en gummibånd ud, tager det lidt tid at komme tilbage på plads. Men da vi bruger luft og deformationerne er relativt stabile, får vi ikke disse samme tidsafhængige egenskaber. Den information, der kommer ud af vores sensor, er meget renere,” siger Chin.

Holdet indarbejdede kanaler i strukturen ved hjælp af digital lysbehandling 3D-printning. Metoden indebærer, at strukturen tegnes ud af en pool af harpiks og hærdedes til en præcis form ved hjælp af projektion af lys. Et billede projiceres derefter på den våde harpiks, og områder, der rammes af lys, hærdedes.

Da processen skrider videre, falder den klistrede harpiks og bliver fanget inde i kanalerne, hvilket betød, at holdet måtte fjerne overskydende harpiks, før den hærdedes. De gjorde dette ved at bruge en blanding af trykluft, vakuum og intrikat rengøring.

“Vi skal nok få brug for at lave mere brainstorming fra designside for at tænke på den rengøringproces, da det er den største udfordring,” fortsætter Chin.

Holdet brugte denne proces til at skabe flere gitterstrukturer og demonstrerede, hvordan de luftfyldte kanaler kunne generere klart feedback, når strukturerne blev sammenpresset eller bøjet.

HSA Bløde Robotter

Forskergruppen indarbejdede også sensorer i håndshearing auxetics (HSAs), der er en ny klasse af materialer udviklet til motoriserede bløde robotter. HSAs kan strækkes og vrides på samme tid, hvilket giver dem mulighed for at fungere som effektive bløde robotaktuatorer. Men HSAs er svære at “sensorisere” på grund af deres komplekse former.

Holdet 3D-printede en af disse HSA-bløde robotter, der kunne udføre forskellige bevægelser som at bøje og vride. Den blev derefter sat igennem en række bevægelser i over 18 timer, og sensordataen blev brugt til at træne et neuralt netværk, der kunne præcist forudsige robotternes bevægelse.

“Materialsvidenskabsfolk har arbejdet hårdt for at optimere arkitekterede materialer til funktionalitet. Dette synes som en enkel, men rigtig kraftfuld idé til at forbinde, hvad disse forskere har gjort, med dette rige af perception. Så snart vi tilføjer sensorer, kan robotforskere som mig komme ind og bruge dette som et aktivt materiale, ikke bare et passivt,” siger Chin.

“At sensorisere bløde robotter med kontinuerlige, hudlignende sensorer har været en åben udfordring i feltet. Denne nye metode giver præcise proprioceptive evner til bløde robotter og åbner døren for at udforske verden gennem berøring,” fortsætter Rus.

Chin og holdet siger, at fremtiden for denne teknologi kunne føre til ting som fodboldhjelme, der er tilpasset en bestemt spillers hoved. Disse hjelme ville have sensoriske evner inden i den interne struktur, hvilket ville øge nøjagtigheden af feedback fra sammenstød på banen.

Alex McFarland er en AI-journalist og forfatter, der udforsker de seneste udviklinger inden for kunstig intelligens. Han har samarbejdet med talrige AI-startups og publikationer verden over.