您的位置:首页 >生活 >

3D打印机器人利用人工智能机器学习创造出人类无法做到的减震形状

导读 在波士顿大学工程学院的一个实验室里,机械臂将小型塑料物体扔进一个完美放在地板上的盒子里,以便在它们掉落时接住它们。这些微小的结构—

在波士顿大学工程学院的一个实验室里,机械臂将小型塑料物体扔进一个完美放在地板上的盒子里,以便在它们掉落时接住它们。这些微小的结构——轻如羽毛、圆柱形的碎片,高度不超过一英寸——一个接一个地填满了盒子。有些是的,有些是蓝色、紫色、绿色或黑色的。

每个物体都是机器人自主实验的结果。机器人在不断学习的过程中,正在寻找并尝试制造一个具有迄今为止最有效的能量吸收形状的物体。

为此,机器人使用3D打印机创建一个小型塑料结构,记录其形状和大小,将其移动到平坦的金属表面,然后以相当于一匹成年阿拉伯马站在四分之一美元硬币上的压力将其压碎。

然后,机器人测量该结构吸收了多少能量,其形状在被压扁后如何变化,并将每个细节记录在一个庞大的数据库中。然后,它将压碎的物体放入盒子中,并将金属板擦拭干净,准备打印和测试下一块。

它将与它的前身略有不同,它的设计和尺寸是由机器人的计算机算法根据过去所有的实验(所谓的贝叶斯优化的基础)进行调整的。经过一次又一次的实验,3D结构在吸收被压碎的冲击力方面变得更好。

这些实验之所以成为可能,得益于工程机械工程系副教授KeithBrown及其KAB实验室团队的努力。这款机器人名为MAMABEAR,是其冗长的完整标题“增材制造架构贝叶斯实验自主研究员力学”的缩写,自Brown和他的实验室于2018年首次提出概念以来,它一直在不断发展。

到2021年,实验室已让这台机器开始探索制造出吸收最多能量的形状,这一特性被称为机械能吸收效率。目前的迭代已经连续运行了三年多,用超过25,000个3D打印结构填满了数十个箱子。

为什么有这么多形状?能够有效吸收能量的东西有无数的用途,例如,为运往世界各地的精密电子产品提供缓冲,或者为运动员提供护膝和护腕。

“例如,您可以从这个数据库中提取数据来制造更好的汽车保险杠或包装设备,”布朗说。

为了理想地发挥作用,这些结构必须达到完美的平衡:它们不能太坚固以至于对它们要保护的东西造成损害,但又应该足够坚固以吸收冲击。

布朗说,在MAMABEAR之前,人们观察到的最佳结构吸收能量的效率约为71%。但在2023年1月的一个寒冷的下午,布朗的实验室发现他们的机器人的效率达到了75%,打破了已知的记录。该结果已发表在《自然通讯》上。

“当我们开始时,我们不知道是否会出现这种破纪录的形状,”博士凯尔西·斯纳普(KelseySnapp)说。布朗实验室的学生,负责监督熊妈妈。“缓慢但坚定地,我们不断进步,并取得了突破。”

这个破纪录的结构看起来完全出乎研究人员的意料:它有四个点,形状像薄薄的花瓣,并且比早期的设计更高、更窄。

“我们很高兴这里有如此多的机械数据,我们可以利用这些数据来学习更广泛的设计经验,”布朗说。

他们的大量数据已经首次得到实际应用,有助于设计美国陆士兵的新头盔衬垫。

Brown、Snapp和项目合作者EmilyWhiting(波士顿大学艺术与科学学院计算机科学副教授)与美国陆合作,进行了现场测试,以确保使用正在申请专利的衬垫的头盔舒适并提供足够的防冲击保护。填充物采用的3D结构与破纪录的部分不同——中心更柔软,尺寸更短,有助于提高舒适度。

熊妈妈并不是布朗大学唯一的自主研究机器人。他的实验室还有其他执行不同任务的“BEAR”机器人,例如纳米BEAR,它使用一种称为原子力显微镜的技术研究材料在分子尺度上的行为方式。

布朗还与工程学院机械工程助理教授约尔格·沃纳(JörgWerner)合作开发另一个系统,称为PANDA(聚合物分析与发现阵列的缩写)—BEAR,以测试数千种薄聚合物材料,以找到一种最适合用于电池的材料。

“它们都是进行研究的机器人,”布朗说。“他们的理念是,他们将机器学习与自动化结合使用,帮助我们更快地进行研究。”

“不仅仅是更快,”斯纳普补充道。“你可以做你通常做不到的事情。我们可以达到一个结构或目标,否则我们将无法实现,因为它太昂贵和耗时。”自2021年实验开始以来,他一直与MAMABEAR密切合作,并赋予机器人视觉(称为机器视觉)和清洁自己的测试板的能力。

KABlab希望进一步证明自主研究的重要性。布朗希望继续与各个领域的科学家合作,他们需要测试大量的结构和解决方案。尽管他们已经打破了一项记录,但“我们无法知道我们是否已经达到了最高效率,”布朗说,这意味着他们可能会再次打破这一记录。

因此,MAMABEAR将继续运行,进一步突破界限,同时Brown和他的团队将了解该数据库还可用于哪些其他应用程序。他们还在探索如何将25,000多个破碎碎片展开并重新装载到3D打印机中,以便材料可以回收用于更多实验。

布朗说:“我们将继续研究这个系统,因为机械效率,就像许多其他材料特性一样,只能通过实验来精确测量,而使用自动驾驶实验室可以帮助我们选择最好的实验并按照以下方式进行实验:尽可能快。”

免责声明:本文由用户上传,如有侵权请联系删除!