KAIST利用AI开发可3D打印的软体机器人手，能抓鸡蛋也能提重物

传统软体机器人材料的开发往往依赖试错法，效率低下。KAIST领导的研究团队改变这一现状，他们收集了不同液体配方的实验数据，包括材料的拉伸性、硬度、对光的响应以及流动能力，构建了一个数据集。该数据集不仅包含易于打印的材料，也包含了难以打印的高粘度配方。

基于此数据集，研究团队训练了一个机器学习模型，以识别材料配方与其物理性能之间的关系。模型随后筛选出一个预期能同时满足DLP打印要求和高延展性的配方。这种方法显著减少了开发新型3D打印材料所需的实验试错次数，科学家可利用模型先筛选出有希望的候选者再进行实验室验证。

数字光处理（DLP）3D打印技术利用光线将液态材料固化成固体结构，能够快速生产复杂形状。然而，该技术面临一个长期存在的权衡难题：使材料更耐用和更具延展性的成分通常会增加粘度，导致其在打印过程中无法正常流动；反之，若使液体变稀以改善打印性能，则会降低材料的强度和延展性。

研究团队指出，新开发的弹性体材料成功克服了这一限制。通过AI优化的配方，材料在保持适合DLP打印的流动性的同时，实现了极高的机械性能。据研究人员称，这种材料可以拉伸到超过其原始长度的六倍，且在拉伸过程中不易撕裂，从而兼顾了制造可行性与功能需求。

为了验证材料的实际性能，研究团队使用它打印了软体执行器。这些执行器在充气时能够膨胀并弯曲，模拟人类手指的运动。团队将多个这样的执行器组合成一个软体机器人手，并在接触密集的条件下进行了测试。

演示结果显示，该机器人手能够适应不同形状和刚度的物体。它成功抓起易碎的鸡蛋、光滑的玻璃瓶、多孔的蛋托以及小型的电脑鼠标。此外，机器人手还能稳定提起重达1公斤的水瓶。这一系列动作证明了材料在变形处理和负载承受方面的可靠性。

随着对能够形成复杂结构且保持柔软灵活性的材料需求增长，这项研究具有广泛的应用前景。此类材料对于需要与人物理互动或贴合不规则表面的技术至关重要，包括软体机器人系统、可穿戴设备以及患者定制的医疗设备。

研究负责人Seungchul Lee教授表示，这项研究的意义在于展示了将实验数据与人工智能相结合，可以高效地识别以前难以找到的最佳材料组合。预计该方法将加速开发具备所需性能的3D打印材料，服务于软体机器人、可穿戴设备和定制医疗等多个领域。

该项工作由韩国贸易、工业和资源部通过其机械和设备行业技术开发计划支持，并由科学和ICT部通过两个研究项目提供资助。研究成果已发表在学术期刊《自然·通讯》上。

研究团队强调，本研究的主要收获不仅是具体的材料配方，更是用于寻找材料的方法论。相同的机器学习方法可以应用于搜索其他具有不同机械和制造性能组合的可打印材料，为未来的材料科学探索提供了通用框架。