Robotique et IA physique

Nouveaux matériaux imprimés en 3D qui détectent leurs propres mouvements

mm
Ajouter Unite.AI à vos sources préférées sur Google

Une équipe de chercheurs du MIT a développé une nouvelle méthode pour imprimer des matériaux en 3D avec des propriétés mécaniques ajustables, ce qui leur permet de détecter leurs propres mouvements et interactions avec l’environnement. L’équipe a créé les structures de détection avec un matériau et une seule tentative sur une imprimante 3D.

Ils ont d’abord pris des matériaux en treillis imprimés en 3D et incorporé des réseaux de canaux remplis d’air dans la structure pendant le processus d’impression. Ils ont pu alors extraire des informations sur la façon dont le matériau se déplace en mesurant les changements de pression à l’intérieur de ces canaux lorsque la structure est compressée, pliée ou étirée.

Les matériaux en treillis sont constitués de cellules uniques dans un motif répétitif, et en changeant la taille ou la forme des cellules, les propriétés mécaniques du matériau sont modifiées.

La nouvelle technique pourrait éventuellement aider à créer des robots souples avec des capteurs intégrés qui permettent aux robots de comprendre leur posture et leurs mouvements. Elle pourrait également conduire au développement de dispositifs intelligents portables personnalisables.

Lillian Chin est co-auteur principal et étudiant en doctorat au Laboratoire d’informatique et d’intelligence artificielle du MIT (CSAIL).

« L’idée de ce travail est que nous pouvons prendre n’importe quel matériau qui peut être imprimé en 3D et avoir une méthode simple pour router des canaux à l’intérieur de celui-ci afin d’obtenir une détection avec une structure. Et si vous utilisez des matériaux vraiment complexes, alors vous pouvez avoir du mouvement, de la perception et de la structure en une seule chose », a déclaré Chin.

L’article comprend également le co-auteur principal Ryan Truby, ancien postdoctorant du CSAIL et actuellement professeur adjoint à l’Université Northwestern ; Annan Zhang, étudiant en doctorat du CSAIL ; et l’auteur principal Daniela Rus, professeur d’électrotechnique et d’informatique et directrice du CSAIL.

La recherche a été publiée dans Science Advances.

Technique d’impression 3D

L’équipe s’est appuyée sur l’impression 3D pour incorporer directement des canaux remplis d’air dans les poutres qui forment le treillis. Lorsque la structure subit un mouvement ou est compressée, les canaux se déforment et le volume d’air à l’intérieur change. Ce processus permet aux chercheurs de mesurer le changement de pression correspondant à l’aide d’un capteur de pression standard, ce qui fournit des informations sur la façon dont le matériau se déforme.

« Si vous étirez un élastique, il faut un peu de temps pour qu’il revienne à sa place. Mais comme nous utilisons de l’air et que les déformations sont relativement stables, nous n’obtenons pas les mêmes propriétés qui varient dans le temps. Les informations qui sortent de notre capteur sont beaucoup plus nettes », déclare Chin.

L’équipe a incorporé des canaux dans la structure en utilisant l’impression 3D à traitement de lumière numérique. La méthode consiste à dessiner la structure à partir d’un bassin de résine et à la durcir dans une forme précise à l’aide de la lumière projetée. Une image est ensuite projetée sur la résine humide et les zones touchées par la lumière sont durcies.

Au fur et à mesure que le processus progresse, la résine collante goutte et se coince à l’intérieur des canaux, ce qui signifie que l’équipe a dû éliminer tout excès de résine avant qu’elle ne soit durcie. Ils ont fait cela en utilisant un mélange d’air comprimé, de vide et de nettoyage minutieux.

« Nous allons devoir faire plus de brainstorming du côté de la conception pour réfléchir à ce processus de nettoyage, car c’est le principal défi », continue Chin.

L’équipe a utilisé ce processus pour créer plusieurs structures en treillis et a démontré comment les canaux remplis d’air pouvaient générer des informations claires lorsque les structures étaient compressées ou pliées.

Robots souples HSA

Le groupe de chercheurs a également incorporé des capteurs dans des auxétiques de cisaillement manuel (HSA), qui sont une nouvelle classe de matériaux développés pour les robots souples motorisés. Les HSA peuvent être étirés et tordus en même temps, ce qui leur permet d’agir comme des actionneurs de robot souple efficaces. Cependant, les HSA sont difficiles à « capteuriser » en raison de leurs formes complexes.

L’équipe a imprimé un de ces robots souples HSA, qui a pu effectuer divers mouvements comme se plier et se tordre. Il a ensuite été soumis à une série de mouvements pendant plus de 18 heures, et les données du capteur ont été utilisées pour entraîner un réseau de neurones qui pouvait prédire avec précision le mouvement du robot.

« Les scientifiques des matériaux ont travaillé dur pour optimiser les matériaux architecturés pour la fonctionnalité. Cela semble être une idée simple, mais vraiment puissante, pour relier ce que ces chercheurs ont fait avec ce domaine de la perception. Dès que nous ajoutons la détection, les roboticistes comme moi peuvent alors utiliser cela comme un matériau actif, et non pas seulement passif », déclare Chin.

« La détection des robots souples avec des capteurs continus de type peau a été un défi ouvert dans le domaine. Cette nouvelle méthode fournit des capacités proprioceptives précises pour les robots souples et ouvre la porte à l’exploration du monde par le toucher », continue Rus.

Chin et l’équipe disent que l’avenir de cette technologie pourrait conduire à des choses comme des casques de football personnalisés pour la tête d’un joueur spécifique. Ces casques auraient des capacités de détection à l’intérieur de la structure, ce qui augmenterait la précision des informations provenant des collisions sur le terrain.

Alex McFarland est un journaliste et écrivain en intelligence artificielle qui explore les derniers développements en intelligence artificielle. Il a collaboré avec de nombreuses startups et publications en intelligence artificielle dans le monde entier.