教你自制一个好玩有趣的机器人（只需2小时成本不到7块）
教你自制一个好玩有趣的机器人（只需2小时成本不到7块）此次研究最大的亮点莫过于是“flexoskeleton”（柔性骨架）技术了。接着，我们就来好好了解一下这个机器人到底是什么回事。这项技术不仅可以由专家使用，新手也同样可以使用，制作工艺十分简单，材料和设备成本也十分便宜，非常适合大量生产并且投放市场。这也是研究团队所希望的。研究团队中机械工程教授Nick Gravish表示，我们希望使软机器人更易于为全世界的研究人员建造。
白交 发自 凹非寺
量子位 报道 | 公众号 QbitAI
机器人的骨架能像昆虫那般灵活、健壮吗？这个问题一直困扰着研究人员。
以往，要么制作工艺太过复杂，耗的时间长；要么就是材料设备台太过于昂贵，始终没有找到一个合适的方法。
而最近，在《Soft robotics》杂志上介绍了这样一种研究，主要核心技术叫做“flexoskeleton”（柔性骨架），研究团队来自加州大学圣地亚哥分校。
这项技术不仅可以由专家使用，新手也同样可以使用，制作工艺十分简单，材料和设备成本也十分便宜，非常适合大量生产并且投放市场。
这也是研究团队所希望的。
研究团队中机械工程教授Nick Gravish表示，我们希望使软机器人更易于为全世界的研究人员建造。
接着，我们就来好好了解一下这个机器人到底是什么回事。
最大亮点：“柔性骨架”打印
此次研究最大的亮点莫过于是“flexoskeleton”（柔性骨架）技术了。
以往软机器人的制作思路是，如何将软性材料添加到刚性机器人的主体当中。
而此次构建，则是从软主体入手，然后在关键组建中添加刚性特征。
这种结构的灵感来自于昆虫的外骨骼结构。
我们知道昆虫的外骨骼，承担着多种功能，其中包括结构支持、身体保护，灵活性，以及感知、抓取和黏附外部表面等。
而有如螳螂这种节肢动物的外骨骼，还是一种由肌肉传递力量到四肢的机械传动装置。其中刚性材料与软组织结合在一个复杂的三维空间里。
基于这样的启发，他们就研究出了一种混合刚柔性兼备的机器人组件。
此次柔性骨架打印，是以标准的熔敷沉积建模（FDM）方法3D打印。
在标准的消费级FDM打印机中，将ABS或PLA等塑料长丝从加热喷嘴的孔中挤出，并沉积在平面打印表面。
此外，还将一聚碳酸酯（PC）薄层粘在我们直接打印的加热床上。
通过加热聚碳酸酯，就能够在3D打印材料和基层之间实现非常强的粘附，这使得在标准消费级FDM打印机上打印弹性柔性结构成为可能。
接着，就需要设置床层温度在80℃-100℃之间，一旦床层温度稳定，打印过程就开始了。
FDM打印中有一个常见的控制变量是打印喷嘴与第一层打印层的床层高度之间的Z向偏移量。
为了让第一个沉积层与PC层实现紧密接触，并为良好的结合创造足够的接触压力，他们设置了一个相对较小的z偏置，在0.01 - 0.03毫米之间。
打印完成后，进行床层冷却，剥离PC层。随后用剪刀或者剃刀等道具手工修建PC层。
这说明，我们的研究者手工也要做的好。(狗头)
但是文章中也提到，未来的柔性骨骼工艺可能会集成使用乙烯基刀具或激光刀具的PC膜的自动预切割。
ABS/PLA打印材料，对PC的粘附强度都与热床温度有很强的相关性，其剥离强度峰值都出现在了90℃-100℃之间。
他们为此还做了演示更直观的了解了这两种材料的剥离强度。
他们发现，PC膜具有较高的抗弯回弹性，因此PC基层作为一个抗拉保护层，这样的柔性骨骼部件可以克服疲劳和故障。
研究了这一骨架打印的可行性，接着就来探究如何调节打印层的形态特征，以控制弯曲性能。
他们从控制关节刚度以及研究关节活动限制范围两个方面出发，设计了一个由两个屈曲关节组成的屈曲骨架腿:一个屈曲关节用于肢体收缩，一个伸展关节用于肢体抬起脚尖。
对于每个关节，我们规定了被动关节刚度和关节屈伸极限，并使用单个肌腱驱动两个关节，将其置于屈伸关节之上，屈伸关节之下。
当跟腱松解时，脚趾和跟腱的不对称摩擦导致脚产生对地面的推动运动，从而通过单一跟腱实现滞后的足部运动。
制作机器人
骨架构建成功以后，接着就开始做机器人啦！
该机器人直接使用flexoskeleton打印的四肢和底盘，并由四个微伺服驱动，进行组装。
每个肢体然后被插入机器人底盘(身体)，并通过绞盘和肌腱与一个微型伺服系统(Tower Pro SG92R)连接。
前肢和后肢之间扭转屈伸关节的刚度，以改变划水方向。
此外，这个机器人还拥有一个“即插即用”的假肢设计，这样能够快速地更换任何机器人假肢，以适应不同的地形。
研究团队最终目标，就是创建一条无需手工组装即可打印整个柔性骨架机器人的装配线。
这些许多小型机器人可以单独完成一个大型机器人的工作，甚至更多。
1989年，iRobot联合创始人罗德尼·布鲁克斯提出了太空任务，说其中应包括“ 大量批量生产的简单自动机器人，按今天的标准，这些机器人很小。”
现在对于Nick Gravish来说，这项研究是朝着这个方向迈出的一步，但是是对于整个机器人技术领域，而不仅仅是太空领域。
参考链接：https://www.liebertpub.com/doi/10.1089/soro.2019.0156
— 完 —
量子位 QbitAI · 头条号签约
关注我们，第一时间获知前沿科技动态
