发布日期：2026-09-02 浏览：19
抓取易碎物体时力度恰到好处，对人类来说轻而易举，对机器人却是长期未能攻克的难题。近日，韩国一支联合研究团队交出了一份令人瞩目的答卷——他们利用人工智能优化材料配方，通过数字光处理（DLP）3D打印技术，制造出一款既足够柔软以托住生鸡蛋、又足够强韧以提起一升水瓶的软体机械手。
该研究由韩国科学技术院（KAIST）、韩国科学技术研究院（KIST）和首尔科学技术大学（SEOULTECH）合作完成，相关成果发表于《自然·通讯》（Nature Communications）。
软体机械手的突破首先来自材料端。DLP 3D打印的工作原理是将光线投射到液态树脂槽中，使其逐层固化成型。然而，制造高弹性物体时存在一个工程上的两难困境：赋予材料高弹性和耐久性的聚合物链会使液态树脂变得粘稠，无法在打印过程中均匀铺展成薄层；而加入溶剂或低分子量添加剂降低粘度后，又会破坏聚合物网络，导致成品脆而易裂。
研究团队没有依赖传统的手工试错法，而是引入机器学习来寻找最优配方。AI在一个包含多种化学成分及打印失败案例的数据集上训练，学习微量化学调整如何影响树脂的流动速度和光固化速率。最终，AI锁定了一个平衡配方：该树脂在打印时流动性良好，固化后则具备卓越的拉伸性能，可延展至原长度的六倍以上而不撕裂。
为验证材料的实际表现，团队打印了软体气动执行器——一种中空结构，充气后能像气球一样膨胀弯曲。将多个执行器组合成一只软体机械手后，测试结果令人印象深刻：它能够轻松适应不同物体的形状与重量，稳固抓握电脑鼠标、鸡蛋盒、光滑的玻璃瓶，甚至是一颗生鸡蛋，且未造成任何破损。这种自适应柔顺抓握能力，是传统刚性机器人难以实现的。
韩国科学技术院教授Seungchul Lee表示：“这项研究的重要意义在于，将研究人员的实验数据与人工智能相结合，能够高效识别此前难以发现的最佳材料组合。我们预计，该方法将加速开发满足多种领域性能需求的3D打印材料，包括软体机器人、可穿戴设备和定制化医疗器械。”
除柔性抓取器外，该AI驱动框架有望在多个生物医学和工业领域加快产品开发周期。通过快速预测特定制造需求下的最优材料配方，它能够大幅缩短传统手工测试所需的时间，为定制化解剖学植入物、抗撕裂的可穿戴关节传感器以及与人类安全协作的柔性机器人工具开辟新的可能。
这项研究证明，面对刚性工程难题时，有时“软化”思路反而能带来突破。
粤公网安备44190002007368号
