Naukowcy z UC Santa Barbara i Tu Dresden rozmywają granice między robotyką a materiałami, z dowodem materiału podobnego do materiału podobnego do materiałów z zachowaniami inspirowanymi biologią.
„Wymyśliliśmy sposób, aby roboty zachowywały się bardziej jak materiał” – powiedział Matthew Devlin, były doktorancki badacz w laboratorium profesora inżynierii mechanicznej UCSB Elliot Hawkes oraz głównego autora artykułu opublikowanego w czasopiśmie Science. Złożony z indywidualnych, autonomicznych robotów w kształcie dysku, które wyglądają jak małe krążki hokejowe, członkowie kolektywu są zaprogramowani, aby zebrać się w różne formy o różnych właściwościach materiałowych.
Szczególnie interesujący był wyzwanie stworzenia materiału robotycznego, który mógłby być zarówno sztywny, jak i silny, ale być w stanie płynąć, gdy potrzebna jest nowa forma. Zamiast reagować na siły zewnętrzne, aby osiągnąć formę, materiały robotyczne idealnie reagowałyby na sygnały wewnętrzne, wyjaśnił Hawkes, był w stanie przyjąć kształt i utrzymać go, „ale także możliwe selektywnie przepływają się w nowy kształt”.
Inspiracje naukowcy podskoczyli z poprzednich prac Otger Campàs, byłego profesora UCSB i obecnie dyrektora klastra Physics of Life Excellence w Tu Dresden, o tym, jak zarodki są fizycznie ukształtowane. „Żywe tkanki embrionalne są najlepszymi inteligentnymi materiałami” – powiedział. „Mają zdolność do kształtowania się, samoleczenia, a nawet kontrolowania swojej siły materialnej w przestrzeni i czasie”. Podczas pobytu w UCSB jego laboratorium odkryło, że zarodki mogą topić się jak szkło, aby się kształtować. „Aby się rzeźbić, komórki w zarodkach mogą sprawić, że tkanki przełączają się między stanami płynu i stałym; zjawisko znane jako przejścia sztywności w fizyce” – dodał.
Podczas opracowywania zarodka komórki mają niezwykłą zdolność rozmieszczenia się wokół siebie, przekręcając organizm z plamki niezróżnicowanych komórek w zbiór dyskretnych form – takich jak dłonie i stopy – oraz różnych spójności, takich jak kości i kości i kości i kości i kości, takich jak kości i kości i kości i mózg. Naukowcy skoncentrowali się na włączeniu trzech procesów biologicznych stojących za tymi przejściami sztywności: aktywne siły rozwijające się komórki mają zastosowanie do siebie, które pozwalają im się poruszać; sygnalizacja biochemiczna, która pozwala tym komórkom koordynować ich ruchy w przestrzeni i czasie; i ich zdolność do siebie nawzajem, co ostatecznie nadaje sztywność ostatecznej formy organizmu.
W świecie robotów siły wewnątrzkomórkowe przekładają się na międzynarodową siłę styczną, włączoną przez osiem zmotoryzowanych przekładni wzdłuż okrągłego zewnętrznego zewnętrznego robota, które pozwalają im się poruszać, odsuwając się od siebie, nawet w ciasno upakowanych przestrzeniach.
Tymczasem biochemiczna sygnalizacja jest podobna do globalnego układu współrzędnych. „Każda komórka„ zna ”swoją głowę i ogon, więc wie, w którą stronę wycisnąć i zastosować siły” – wyjaśnił Hawkes. W ten sposób kolektywom komórek udaje się zmienić kształt tkanki, na przykład gdy ustawiają się obok siebie i wydłużają ciało.
W robotach ten wyczyn wykonuje się przez czujniki światła na górze każdego robota, z spolaryzowanymi filtrami. Kiedy światło świeci na tych czujnikach, polaryzacja światła mówi im, w którym kierunku obrócić koła zębate, a tym samym zmienić kształt. „Możesz po prostu powiedzieć im jednocześnie pod stałym polem światła, w którym kierunku chcesz, aby poszli, a oni wszyscy mogą ustawiać się i robić wszystko, co muszą” – dodał Devlin.
W przypadku adhezji komórek naukowcy używali magnesów włączonych do obwodu jednostek robotycznych, magnesów, które można by obrócić, aby przyciągnąć dowolnego innego robota.
Przekładając roboty w swoich tempie, naukowcy odkryli, że fluktuacje sygnału – różnice w sygnałach wysyłanych do robotów – odgrywają kluczową rolę w ich zdolności do przyjmowania niezbędnych kształtów i formacji. „Wcześniej wykazaliśmy, że w żywych zarodkach wahania sił generowanych przez komórki są kluczem do przekształcenia tkanki podobnej do stałego w płynną. Zatem zakodowaliśmy fluktuacje sił w robotach”-powiedział Campàs.
W kolektywu robota interakcja między wahaniami sygnału a siłami między jednostkami jest różnicą między ciasno upakowaną, niewzruszoną zbiorą a bardziej płynnym. „Zasadniczo, gdy zwiększasz oba te, zwłaszcza wahania, otrzymujesz bardziej płynny materiał” – powiedział Devlin. Pozwala to kolektywowi zmienić kształt. Po utworzeniu wyłączenie fluktuacji siły ponownie sztywność kolektywu.
Co ważne, te fluktuacje sygnału umożliwiają kolektywu robota osiągnięcie zmian kształtu i wytrzymałości przy mniejszej średniej mocy niż gdyby sygnał był stale włączony, a roboty ciągle się na siebie naciskały. „To interesujący wynik, którego nie wyruszyliśmy, ale odkryliśmy, kiedy zaczęliśmy zbierać dane dotyczące zachowań robotów” – powiedział Hawkes. Dodał, że jest to ważne dla projektowania robotów, które mogą być konieczne działanie na ograniczone budżety energetyczne.
Mając to wszystko na uwadze, naukowcy byli w stanie dostroić i kontrolować grupę robotów, aby działać jak inteligentny materiał: sekcje grupy włączałyby dynamiczne siły między robotami i fluidyzować kolektyw, podczas gdy w innych sekcjach roboty po prostu utrzymywałyby do siebie, aby stworzyć sztywny materiał. Modulowanie tych zachowań w grupie robotów i z czasem pozwoliło badaczom tworzyć materiały robotyczne, które obsługują duże obciążenia, ale mogą również przekształcić, manipulować obiektami, a nawet samozadzane.
Obecnie kolektyw robotów dowodowych obejmuje niewielką liczbę (20) stosunkowo dużych jednostek, ale symulacje przeprowadzone przez byłego laboratorium Campàs doktorantów Sangwoo Kim, który jest obecnie adiunktem w EPFL, wskazuje, że system może być skalowany Większa liczba zminiaturyzowanych jednostek, dla bardziej podobnych do materiałów aspektu.
Poza robotyką, zgodnie z artykułem, kolektywy tego i robota, tak jak mogłyby „umożliwić badanie przejścia fazowego w materii aktywnej, właściwości aktywnej mechaniki w układach cząstek stałych i potencjalnie pomagają zdefiniować hipotezy dotyczące badań biologicznych”. W połączeniu z aktualnymi elementami sterującymi i strategiami uczenia maszynowego praca z tymi kolektywami robotów może przynieść pojawiające się możliwości w materiałach robotycznych, które nie zostały jeszcze odkryte i zrozumiane.