Robotica en fysieke AI

Nieuwe 3D-geprinte materialen kunnen hun eigen bewegingen detecteren

mm
Voeg Unite.AI toe aan je voorkeursbronnen op Google

Een team van onderzoekers aan het MIT heeft een nieuwe methode ontwikkeld voor 3D-printen van materialen met aanpasbare mechanische eigenschappen, waardoor ze hun eigen bewegingen en interacties met de omgeving kunnen detecteren. Het team creëerde de sensorenstructuren met één materiaal en één poging op een 3D-printer.

Ze namen eerst 3D-geprinte roostermaterialen en voegden netwerken van luchtgevulde kanalen toe aan de structuur tijdens het printproces. Ze konden dan inzicht krijgen in hoe het materiaal beweegt door de drukveranderingen in deze kanalen te meten wanneer de structuur wordt samengedrukt, gebogen of uitgerekt.

De roostermaterialen bestaan uit enkele cellen in een herhalend patroon, en door de grootte of vorm van de cellen te veranderen, worden de mechanische eigenschappen van het materiaal gewijzigd.

De nieuwe techniek kan uiteindelijk helpen bij het creëren van flexibele zachte robots met ingebouwde sensoren die de robots in staat stellen hun houding en bewegingen te begrijpen. Het kan ook leiden tot de ontwikkeling van draagbare slimme apparaten die aanpasbaar zijn.

Lillian Chin is co-auteur en een graduate student in het MIT Computer Science and Artificial Intelligence Laboratory (CSAIL).

“Het idee achter dit werk is dat we elk materiaal dat kan worden 3D-geprint, kunnen nemen en een eenvoudige manier hebben om kanalen door het materiaal te leiden, zodat we sensorisatie met structuur kunnen krijgen. En als je echt complexe materialen gebruikt, kun je beweging, perceptie en structuur allemaal in één hebben,” zei Chin.

Het artikel bevat ook co-auteur Ryan Truby, een voormalig CSAIL-postdoc en huidig assistant professor aan de Northwestern University; Annan Zhang, een CSAIL-graduate student; en senior auteur Daniela Rus, de Andrew en Erna Viterbi Professor of Electrical Engineering and Computer Science en directeur van CSAIL.

Het onderzoek werd gepubliceerd in Science Advances.

3D-printtechniek

Het team vertrouwde op 3D-printen om luchtgevulde kanalen rechtstreeks in de staven te integreren die de rooster vormen. Wanneer de structuur beweegt of wordt samengedrukt, vervormen de kanalen en verandert het volume van lucht erin. Dit proces stelt de onderzoekers in staat om de overeenkomstige verandering in druk te meten met een standaard druksensor, die feedback geeft over hoe het materiaal vervormt.

“Als je een rubberen band uitstrekt, duurt het even voordat hij weer in zijn oorspronkelijke vorm terugkeert. Maar omdat we lucht gebruiken en de vervormingen relatief stabiel zijn, krijgen we niet dezelfde tijd-afhankelijke eigenschappen. De informatie die uit onze sensor komt, is veel schoner,” zegt Chin.

Het team integreerde kanalen in de structuur met behulp van digitale lichtverwerking 3D-printen. De methode houdt in dat de structuur uit een pool van resin wordt getekend en in een precieze vorm wordt gehard met behulp van geprojecteerd licht. Een afbeelding wordt vervolgens op de natte resin geprojecteerd en de gebieden die door het licht worden geraakt, worden geneutraliseerd.

Naarmate het proces vordert, druppelt de kleverige resin en blijft hij vastzitten in de kanalen, wat betekent dat het team alle overtollige resin moest verwijderen voordat deze werd geneutraliseerd. Ze deden dit door een combinatie van geperste lucht, vacuüm en ingewikkelde reiniging te gebruiken.

“We zullen meer moeten brainstormen over de ontwerpkant om na te denken over dat reinigingsproces, aangezien dit de belangrijkste uitdaging is,” vervolgt Chin.

Het team gebruikte dit proces om verschillende roosterstructuren te creëren en demonstreerde hoe de luchtgevulde kanalen duidelijke feedback konden genereren wanneer de structuren werden samengedrukt of gebogen.

HSA-zachte robots

De groep onderzoekers integreerde ook sensoren in gehandeerde schaar-auxetica (HSAs), een nieuwe klasse materialen die zijn ontwikkeld voor gemotoriseerde zachte robots. HSAs kunnen tegelijkertijd worden uitgerekt en gedraaid, waardoor ze effectief kunnen functioneren als zachte robotactuatoren. Echter, HSAs zijn moeilijk te “sensoriseren” vanwege hun complexe vormen.

Het team 3D-printte een van deze HSA-zachte robots, die in staat was om verschillende bewegingen uit te voeren, zoals buigen en draaien. Het werd vervolgens onderworpen aan een reeks bewegingen gedurende meer dan 18 uur, en de sensordata werden gebruikt om een neurale netwerk te trainen dat de beweging van de robot nauwkeurig kon voorspellen.

“Materiaalwetenschappers hebben hard gewerkt om geëngineerde materialen te optimaliseren voor functionaliteit. Dit lijkt op een eenvoudig, maar echt krachtig idee om te verbinden wat die onderzoekers hebben gedaan met dit domein van perceptie. Zodra we sensoren toevoegen, kunnen roboticisten zoals ik dit gebruiken als een actief materiaal, niet alleen een passief een,” zegt Chin.

“Het sensoriseren van zachte robots met continue huid-achtige sensoren is een open uitdaging in het veld. Deze nieuwe methode biedt nauwkeurige proprioceptieve mogelijkheden voor zachte robots en opent de deur voor het verkennen van de wereld door middel van aanraking,” vervolgt Rus.

Chin en het team zeggen dat de toekomst van deze technologie kan leiden tot dingen zoals American football-helmen die zijn aangepast aan het hoofd van een specifieke speler. Deze helmen zouden sensoren in de interne structuur hebben, waardoor de nauwkeurigheid van de feedback van botsingen op het veld kan worden verhoogd.

Alex McFarland is een AI-journalist en schrijver die de laatste ontwikkelingen op het gebied van kunstmatige intelligentie onderzoekt. Hij heeft samengewerkt met talloze AI-startups en publicaties wereldwijd.