Reprogrammierbare Materialien selektiv selbst

Aug 06, 2023

Vorheriges Bild Nächstes Bild

Während die automatisierte Fertigung heute allgegenwärtig ist, war sie einst ein aufstrebendes Feld, das von Erfindern wie Oliver Evans ins Leben gerufen wurde, dem die Entwicklung des ersten vollautomatischen Industrieprozesses zugeschrieben wird, und zwar in einer Getreidemühle, die er Ende des 17. Jahrhunderts baute und nach und nach automatisierte. Die Prozesse zur Erstellung automatisierter Strukturen oder Maschinen sind immer noch sehr von oben nach unten gesteuert und erfordern den Zusammenbau und die Herstellung durch Menschen, Fabriken oder Roboter.

Die Art und Weise, wie die Natur den Zusammenbau vornimmt, erfolgt jedoch allgegenwärtig von unten nach oben; Tiere und Pflanzen bauen sich auf zellulärer Ebene selbst zusammen und verlassen sich dabei auf Proteine, die sich selbst in Zielgeometrien falten, die all die verschiedenen Funktionen kodieren, die uns am Laufen halten. Für einen stärker bioinspirierten Bottom-up-Ansatz bei der Montage müssen vom Menschen entworfene Materialien von sich aus eine bessere Leistung erbringen. Sie skalierbar, selektiv und umprogrammierbar zu machen, sodass sie die Vielseitigkeit der Natur nachahmen könnten, birgt allerdings einige Kinderkrankheiten.

Jetzt haben Forscher des Computer Science and Artificial Intelligence Laboratory (CSAIL) des MIT versucht, diese Wachstumsschwierigkeiten mit einer neuen Methode zu überwinden: Sie führten magnetisch umprogrammierbare Materialien ein, mit denen sie verschiedene Teile – wie Roboterwürfel – beschichten, damit sie sich selbst zusammensetzen können. Der Schlüssel zu ihrem Prozess liegt in der Möglichkeit, diese magnetischen Programme hinsichtlich der Verbindung, mit der sie verbunden sind, äußerst selektiv zu gestalten und so eine robuste Selbstorganisation in bestimmte Formen und ausgewählte Konfigurationen zu ermöglichen.

Die von den Forschern verwendete weichmagnetische Materialbeschichtung, die aus kostengünstigen Kühlschrankmagneten stammt, verleiht jedem der von ihnen gebauten Würfel eine magnetische Signatur auf jeder seiner Flächen. Die Signaturen stellen sicher, dass jede Fläche sowohl bei der Translation als auch bei der Rotation selektiv nur für eine andere Fläche aller anderen Würfel attraktiv ist. Alle Würfel, die etwa 23 Cent kosten, können magnetisch mit einer sehr feinen Auflösung programmiert werden. Sobald sie in einen Wassertank geworfen werden (für eine Demo wurden acht Würfel verwendet), stoßen sie mit einer völlig zufälligen Bewegung – man könnte sie auch einfach in einer Kiste schütteln – aneinander. Wenn sie den falschen Partner treffen, brechen sie ab, aber wenn sie den passenden Partner finden, schließen sie sich an.

Eine Analogie wäre, sich eine Reihe von Möbelteilen vorzustellen, die Sie zu einem Stuhl zusammenbauen müssen. Traditionell benötigte man eine Reihe von Anweisungen, um Teile manuell zu einem Stuhl zusammenzubauen (ein Top-Down-Ansatz), aber mit der Methode der Forscher würden sich dieselben Teile, einmal magnetisch programmiert, mit nur einem Handgriff selbst zum Stuhl zusammenbauen zufällige Störung, die sie kollidieren lässt. Ohne die von ihnen generierten Signaturen würden die Beine des Stuhls jedoch an den falschen Stellen montiert.

„Diese Arbeit ist ein Fortschritt in Bezug auf die Auflösung, Kosten und Effizienz, mit der wir bestimmte Strukturen selbst zusammenbauen können“, sagt Martin Nisser, Doktorand am Department of Electrical Engineering and Computer Science (EECS) des MIT, einem Tochterunternehmen von CSAIL und Hauptautor eines neuen Artikels über das System. „Frühere Arbeiten zur Selbstmontage erforderten in der Regel, dass einzelne Teile geometrisch unterschiedlich waren, genau wie Puzzleteile, was die individuelle Herstellung aller Teile erforderte. Mit magnetischen Programmen können wir jedoch homogene Teile in großen Mengen herstellen und sie so programmieren, dass sie spezifische Eigenschaften annehmen.“ Zielstrukturen und, was noch wichtiger ist, sie umzuprogrammieren, damit sie später neue Formen annehmen, ohne die Teile erneut herstellen zu müssen.“

Mit der magnetischen Plotmaschine des Teams kann man einen Würfel wieder in den Plotter stecken und ihn neu programmieren. Jedes Mal, wenn der Plotter das Material berührt, erzeugt er entweder ein „Nord“- oder „Süd“-orientiertes magnetisches Pixel auf der weichmagnetischen Beschichtung des Würfels, sodass die Würfel bei Bedarf für die Zusammenstellung neuer Zielformen umfunktioniert werden können. Vor dem Plotten prüft ein Suchalgorithmus jede Signatur auf gegenseitige Kompatibilität mit allen zuvor programmierten Signaturen, um sicherzustellen, dass sie selektiv genug für eine erfolgreiche Selbstassemblierung sind.

Bei der Selbstmontage können Sie den passiven oder aktiven Weg gehen. Bei der aktiven Montage modulieren Roboterteile ihr Verhalten online, um ihre Nachbarn zu lokalisieren, zu positionieren und sich mit ihnen zu verbinden, und jedes Modul muss mit Hardware für die Berechnung, Erfassung und Betätigung ausgestattet werden, die für die Selbstmontage erforderlich sind. Darüber hinaus ist ein Mensch oder Computer in der Schleife erforderlich, um die in jedem Teil eingebetteten Aktuatoren aktiv zu steuern, um es in Bewegung zu setzen. Während die aktive Montage bei der Neukonfiguration einer Vielzahl von Robotersystemen erfolgreich war, stellten die Kosten und die Komplexität der Elektronik und Aktuatoren ein erhebliches Hindernis für die Vergrößerung der Anzahl und Verkleinerung der selbstmontierenden Hardware dar.

Bei passiven Methoden wie denen dieser Forscher ist keine eingebettete Betätigung und Steuerung erforderlich.

Sobald sie programmiert und einer zufälligen Störung ausgesetzt werden, die ihnen die Energie gibt, miteinander zu kollidieren, sind sie auf sich allein gestellt und ohne leitende Intelligenz in der Lage, ihre Gestalt zu verändern.

Wenn Sie eine Struktur aus Hunderten oder Tausenden von Teilen bauen möchten, wie zum Beispiel eine Leiter oder Brücke, möchten Sie nicht eine Million unterschiedlicher Teile herstellen oder diese neu herstellen müssen, wenn Sie eine zweite Struktur zusammenbauen müssen .

Der Trick, mit dem das Team dieses Ziel erreichte, liegt in der mathematischen Beschreibung der magnetischen Signaturen, die jede Signatur als 2D-Pixelmatrix beschreibt. Diese Matrizen stellen sicher, dass alle magnetisch programmierten Teile, die sich nicht verbinden sollten, interagieren und genauso viele anziehende wie abstoßende Pixel erzeugen, sodass sie sowohl bei der Translation als auch bei der Rotation gegenüber allen nicht passenden Teilen agnostisch bleiben.

Während das System derzeit gut genug ist, um eine Selbstorganisation mit einer Handvoll Würfeln durchzuführen, möchte das Team die mathematischen Beschreibungen der Signaturen weiterentwickeln. Insbesondere möchten sie Entwurfsheuristiken nutzen, die den Zusammenbau mit einer sehr großen Anzahl von Würfeln ermöglichen und gleichzeitig rechenintensive Suchalgorithmen vermeiden.

„Selbstorganisationsprozesse sind in der Natur allgegenwärtig und führen zu dem unglaublich komplexen und schönen Leben, das wir überall um uns herum sehen“, sagt Hod Lipson, James und Sally Scapa-Professor für Innovation an der Columbia University, der nicht an der Arbeit beteiligt war. „Aber die Grundlagen der Selbstorganisation haben Ingenieure verblüfft: Wie finden sich zwei Proteine, die dazu bestimmt sind, sich zu verbinden, in einer Suppe aus Milliarden anderer Proteine? Da wir keine Antwort darauf haben, konnten wir bisher nur relativ einfache Strukturen selbst zusammenbauen.“ und greifen Sie für den Rest auf die Top-Down-Fertigung zurück. Dieses Papier trägt wesentlich dazu bei, diese Frage zu beantworten, indem es einen neuen Weg vorschlägt, wie selbstorganisierende Bausteine ​​einander finden können. Hoffentlich wird uns dies ermöglichen, die Leiter zu erklimmen selbstorganisierte Komplexität.

„Diese Innovation der Anwendung von Hadamard-Matrizen auf das Problem ist der Schlüssel zu ihrer Fähigkeit, eine solche vertikal integrierte Lösung zu entwickeln, um zunächst die Anordnung magnetischer Muster festzulegen, die eine selektive und einzigartige Paarung zwischen zwei magnetischen Elementen eines Robotersystems ermöglichen, und anschließend das magnetische System aufzubauen.“ „Wir haben das System experimentell untersucht“, sagt Amal El-Ghazaly, Assistenzprofessorin an der School of Electrical and Computer Engineering der Cornell University, die nicht an der Arbeit beteiligt war. „Sie konnten zwei Elemente nur miteinander und nicht mit einem anderen Element paaren und so schließlich aus vielen interagierenden Elementen die einzige, gewünschte Form konstruieren.“

Nisser verfasste den Artikel zusammen mit den jüngsten EECS-Absolventen Yashaswini Makaram '21 und Faraz Faruqi SM '22, die beide ehemalige CSAIL-Mitglieder sind; Ryo Suzuki, Assistenzprofessor für Informatik an der University of Calgary; und MIT-Assoziierte Professorin für EECS Stefanie Mueller, eine CSAIL-Partnerin. Sie werden ihre Forschung auf der 2022 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2022) vorstellen.

Vorheriger Artikel Nächster Artikel