可编程形状的磁性软材料的数据驱动设计
Alp C Karacakol1,2, Yunus Alapan3,4,5, Sinan O Demir1,6
1Physical Intelligence Department, Max Planck Institute for Intelligent Systems, Stuttgart, Germany.
Nature communications
|March 27, 2025
概括
研究人员开发了一种数据驱动的方法,用于设计用于先进形状变形的磁性软材料. 这种方法优化了材料特性和形态,以增强机器人行为,如跳跃和横行.
科学领域:
- 材料科学 材料科学 材料科学
- 机器人技术 机器人技术 机器人技术
- 计算设计的计算设计.
背景情况:
- 磁性响应的软材料为软机器人和生物界面提供了多功能形状变形.
- 磁性和材料性能的高分辨率编码创造了巨大的设计空间,但受到内在合的影响,阻碍了试错设计.
- 有效的设计探索对于实现这些先进材料的潜力至关重要.
研究的目的:
- 引入一个数据驱动的战略,以优化磁软材料的设计.
- 通过将预测建模与高效的模拟相结合,克服试错设计的局限性.
- 为了使材料能够产生所需的形状变化和机器人行为.
主要方法:
- 利用预测神经网络来指导随机设计的改变.
- 采用成本高效的模拟来优化分布式磁化配置和形态.
- 专注于探索具有量身定制属性的磁性软材料的设计空间.
主要成果:
- 发现了非直观的2D设计,能够进行复杂的2D/3D形状变形.
- 优化了形态行为,包括最大限度地旋转和最大限度地减少体积.
- 演示了增强的跳跃性能,并展示了制造和规模无关的3D多材料结构,用于机器人任务.
结论:
- 该通用,数据驱动的框架可以有效地探索刺激响应软材料的设计空间.
- 这种方法为下一代软机器人和设备提供了功能性形状变形和行为.
- 该方法方便开发具有可预测和可控制性质的先进软材料.


