《NASA正研发软体机器人 有望处理月球和火星任务》

  • 来源专题:集成电路
  • 编译者: shenxiang
  • 发布时间:2019-05-15
  • 据外媒CNET报道,未来太空中的机器人可能看起来不像R2-D2,Wall-E和Robby。它们可能看起来更像是巨大的湿软蠕虫。美国宇航局(NASA)兰利研究中心实习生Chuck Sullivan和Jack Fitzpatrick正在开发软体机器人设计,有朝一日可以在太空、月球甚至火星上处理“危险、肮脏或无聊”的任务。

    这些机器人没有大多数科幻电影中机器人的锐角和坚硬表面。研究人员正在开发具有柔软硅胶外壳的机器人执行器,可以弯曲和扩展。

    “当您启动软体机器人时,它会改变您使用材料属性的方式,” Fitzpatrick说道。“一块橡胶从平面变成手指的形状,它将材料变成其他东西。” 视频显示了这一概念的实际应用。

    视频中的机器人看起来像活生生的、扭曲的生物。它们根据腔室内的空气量移动。研究人员看到了软体机器人越过月球表面并共同创建临时避难所的未来。

    NASA对软体机器人的兴趣是更大趋势的一部分。麻省理工学院于2018年初推出了一种软体机器鱼。科学家们正在研究可拉伸的液态金属,美国陆军研究实验室正在研究受无脊椎动物启发的软体机器人。

相关报告
  • 《深圳先进院研发出受章鱼启发的多功能微型软体机器人》

    • 来源专题:中国科学院文献情报制造与材料知识资源中心 | 领域情报网
    • 编译者:冯瑞华
    • 发布时间:2020-01-10
    • 近日,中国科学院深圳先进技术研究院医工所纳米调控研究中心杜学敏研究团队与智能仿生中心吴新宇和徐天添研究团队合作,研发出受章鱼启发的多功能微型软体机器人,集成多模态运动、可控变形、光学伪装、可视化感知环境等功能于一体,极大提升了软体机器人在复杂限域空间内运动与执行多重任务的能力。研究成果以 "Reconfiguration, Camouflage and Color-shifting for Bioinspired Adaptive Hydrogel-based Millirobots "为题,发表在材料领域权威期刊 Advanced Functional Materials ( 影响因子: 15.621) 。 杜学敏研究员、崔欢庆助理研究员、徐天添副研究员为共同第一作者,杜学敏研究员与吴新宇研究员为共同通讯作者,深圳先进院为唯一通讯单位。    自然界中存在多种动植物能够动态地改变自身的形貌、外观、尺寸以适应外界环境的变化或躲避天敌。受自然界启发,研究者们开始模仿动植物的功能来构筑仿生软体机器人来执行特定的任务。然而,已有报道的微型软体机器人由于机器人结构设计及材质选择限制,导致大多微型软体机器人欠缺自适应特性,极大限制其应用。    基于杜学敏研究团队前期在智能变形与变色材料的研究基础( Research , 2019, 2019, 6398296; Matter , 2019, 1, 626; Adv. Mater . 2017, 29, 1702231; Adv. Funct. Mater ., 2018, 28, 1801027; J. Mater. Chem. A , 2018, 6, 24748 ; Adv. Mater. Technol ., 2017, 2, 1700120 ),研究团队通过仿生章鱼,创新性地提出分段式结构设计:将磁响应钕铁硼颗粒仅设计在温敏性水凝胶的头部,作为驱动单元;将反蛋白石多孔结构设计在透明的温敏水凝胶的尾部,作为功能单元。通过实时调控磁场方向与频率,微型软体机器人展现出爬行、滚动、摆动、螺旋性推进等多模态运动,能够精准地穿梭通过 2 mm 高的隧道,及 450 μm 宽的狭窄通道;与此同时,在遇到孔洞尺寸比机器人自身尺寸还小时,微型软体机器人在光热作用下甚至可以缩小至原身体尺寸的 35% ,进而自由穿过小于自身尺寸的狭窄空间;更有意思的是,由于水凝胶的高透明性,从而使得微型软体机器人在复杂环境里具有优异的光学伪装功能,而且当环境温度变化时,反蛋白石多孔结构的尾部还能通过颜色变化实时感知周边环境温度变化。这种集成智能材料的微型软体机器人不仅为新一代软体微型机器人设计提供了新的思路,而且融合材料智能特性与机器人运动功能有望拓展在生物医学、环境监测等多个领域应用。    该系列研究工作得到了国家重点研发计划、国家自然基金、广东省、深圳市等科技项目资助。
  • 《优化软体机器人的控制和设计》

    • 来源专题:数控机床与工业机器人
    • 编译者:icad
    • 发布时间:2019-11-26
    • 软体机器人属于一个新的领域,它可能在诸如外科手术等领域发挥重要作用(手术时的纳米机器人需要在人体内部移动而不损伤软组织)。软体机器人通常由弹性、高柔韧性甚至有机材料制成,这为它们在传统刚性机器人无法胜任的角色中部署提供了机会。另外,高度灵活的软体机器人也很有可能成为制造业和仓库环境中的关键部件。   下个月即将在温哥华召开的神经信息处理系统(Neural Information Processing Systems)会议上,麻省理工学院的研究者将详细介绍一种优化软体机器人控制和设计的新方法。基于此方法,软体机器人将能够完成过去由于严重依赖计算能力而难以完成的任务。   软体机器人能够延展和操控自己形状,是极其灵活的。从计算的角度来看,这意味着它们有无数种运动方式,让计算机的训练任务变得极其繁重。   该项研究的第一作者、计算机科学与人工智能实验室(CSAIL)毕业生安德鲁·斯皮尔伯格(Andrew Spielberg)在博客中写道:“软体机器人是无限维的生物,在任意给定时刻都有上十亿种不同的弯曲方式,但事实上,软物体有其自然的弯曲方式。我们发现软体机器人的自然状态可以非常简洁地用低维来描述。我们通过学习对可能状态的良好描述来优化软体机器人的控制和设计。”   为了训练和开发他们的软体机器人应用程序,研究人员创建了一个模拟,以训练二维和三维软体机器人完成诸如抵达目标物体以及操控自身形状等任务。实验证明,该模拟中,机器人程序化运动的速度和精度都比复杂的传统方法有了显著提高。通常需要进行多达30000次模拟才能实现的优化,新方法只需400次。   在模拟中,一个名为“观察者”的程序计算所有变量,并监督一个软体机器人完成指定任务的情况。此前,研究人员设计了一簇包含机器人可进行的运动详细信息的particle(粒子仿真),如果机器人试图越过这些限制,则会被抵抗运动的制动器阻止。然而,手工设置所有这些规则是非常耗时的。   为了解决这个问题,研究人员创建了一个“循环学习优化(learning-in-the-loop optimization)”,其中所有参数都是在多个模拟中通过一个反馈循环来学习的。   麻省理工学院指出:“该模型采用了一种称为物质点法(MPM)的技术,该技术模拟由背景网格包围的连续物质(如泡沫和液体)的粒子行为。过程中,它将机器人及其可观察环境的粒子捕获为像素或三维像素,称为体素,无需任何额外计算。”   来自模拟的所有信息都由机器学习处理,机器学习创建一个压缩的低维粒子网格表示,然后可以用作机器人的状态表示。随后,控制器可以使用这些参数来调整每个粒子的最佳刚度,从而优化机器人的运动。在未来,软体机器人可以为特定任务以不同的刚度被3D打印出来。