从小鼠细胞中提取的肌肉组织能移动"生物杂交机器人"

从小鼠细胞中提取的肌肉组织能移动"生物杂交机器人" 虽然这些系统具有柔软的外形,但它们的许多部件仍像传统的同类产品一样是刚性的。研究人员正在努力为这些软体机器人引入柔性元件,以创造运动能力。正如麻省理工学院简明扼要地所说,"我们的肌肉是大自然的完美致动器"。不过,该团队的研究并不只是简单地模仿肌肉。该校的研究人员正在使用活体肌肉组织与合成机器人部件结合,制造一种被称为"生物混合"的机器人。麻省理工学院工程学教授里图-拉曼(Ritu Raman)证实了这一过程,并指出:"我们用小鼠细胞构建肌肉组织,然后把肌肉组织放在机器人的骨架上。然后,这些肌肉就充当了机器人的致动器每当肌肉收缩时,机器人就会移动。"肌肉纤维连接到一个被称为"挠曲"的"弹簧状"装置上,该装置是系统的一种骨骼结构。生物肌肉组织很难处理,而且通常难以预测。将其放置在培养皿中,肌肉组织会按预期膨胀和收缩,但不是以可控的方式膨胀和收缩。要在机器人系统中使用,它们必须可靠、可预测和可重复。在这种情况下,就需要使用在一个方向上具有顺应性,而在另一个方向上具有抵抗性的结构。拉曼的团队在马丁-卡尔佩珀教授的麻省理工学院制造实验室找到了解决方案。挠性结构仍需根据机器人的规格进行调整,最终选择了刚度为肌肉组织1/100的结构。拉曼指出:"当肌肉收缩时,所有的力都会转化为该方向的运动。这是一种巨大的放大。"拉曼说,这种肌肉纤维/挠性系统可以应用于各种不同尺寸的机器人,但研究小组的重点是制造超小型机器人,以便有朝一日能在体内进行微创手术。 ... PC版: 手机版:

相关推荐

封面图片

日本团队制成由肌肉组织驱动的两足机器人

日本团队制成由肌肉组织驱动的两足机器人 日本研究人员从人类步态中获得灵感,将实验室培养的肌肉组织和硅橡胶等人造材料结合在一起,制造了一款可以行走和旋转的两足机器人。该方法近日发表在细胞出版社旗下刊物《材料》杂志上。 新华社报道,日本东京大学研究团队开发出的这款机器人是基于此前利用肌肉组织的生物混合机器人开发的,肌肉组织已可驱动机器人向前爬行、直线游泳和缓慢转弯,但不能急转弯,而能够旋转和急转弯是机器人避开障碍物所必需的特性。 为了制造一个动作更精细灵活的机器人,研究人员以上述研究为基础,设计了一种模仿人类步态并能在水中操作的生物混合机器人。机器人有一个泡沫浮标顶部和两条加重的腿,能帮助它在水下直立。机器人的骨架主要由硅橡胶制成,可以弯曲和绷紧以适应肌肉运动。然后,研究人员将实验室培养的条状骨骼肌组织连接到硅橡胶和每条腿上。 当研究人员用电流刺激肌肉组织时,这些肌肉收缩,从而让机器人抬起腿;当电流消散时,其脚后跟会向前移动并着地。通过每五秒钟在左右腿之间交替用电刺激,生物混合机器人成功地以每分钟5.4毫米的速度向前“行走”。如需要机器人转弯,研究人员每五秒钟反复电击右腿,同时左腿充当锚,最终机器人在62秒钟内完成了90度左转。 研究结果表明,这种肌肉驱动的两足机器人可以行走、停止,并做出有规则的转弯动作。 研究人员说,使用肌肉驱动可以让机器人结构更紧凑,并通过柔软的触感实现高效、无声的运动。日本东京大学研究团队还计划为两足机器人提供关节和更厚的肌肉组织,以实现更复杂、更有力的运动。 2024年2月5日 11:29 AM

封面图片

【脑机与机器狗结合:麻省理工团队让“意念操控机器人”成真】麻省理工学院的研究团队发表了一篇论文,目标是让人类可以通过一副无线眼镜

【脑机与机器狗结合:麻省理工团队让“意念操控机器人”成真】麻省理工学院的研究团队发表了一篇论文,目标是让人类可以通过一副无线眼镜操纵四足机器人执行一些简单的护理工作。眼镜以实时闭环脑机接口技术(BCI)为基础,采用的是感应式(非植入式或非侵入式)技术路线。 #抽屉IT

封面图片

生成式人工智能让机器人离通用目标又近一步

生成式人工智能让机器人离通用目标又近一步 研究人员一直在努力开发一种机器人智能,使其能够充分利用双足仿人设计所带来的广泛运动能力。在机器人技术中使用生成式人工智能也是近期的热门话题。麻省理工学院的最新研究表明,后者可能会对前者产生深远影响。在通往通用系统的道路上,最大的挑战之一就是培训。我们已经掌握了培训人类从事不同工作的最佳方法。机器人技术的方法虽然前景广阔,但却支离破碎。有很多有前途的方法,包括强化学习和模仿学习,但未来的解决方案可能会涉及这些方法的组合,并通过生成式人工智能模型加以增强。麻省理工学院团队提出的主要用途之一,就是从这些小型特定任务数据集中整理相关信息的能力。这种方法被称为策略合成(PoCo)。任务包括有用的机器人动作,如敲钉子和用锅铲翻转东西。团队指出:"[研究人员]训练一个单独的扩散模型,学习一种策略或政策,利用一个特定的数据集完成一项任务。然后,他们将扩散模型学习到的策略组合成一个通用策略,使机器人能够在各种环境下执行多项任务。"根据麻省理工学院公布的数据,采用扩散模型后,任务性能提高了 20%。这包括执行需要多种工具的任务的能力,以及学习/适应陌生任务的能力。该系统能够将来自不同数据集的相关信息整合到执行任务所需的行动链中。"这种方法的好处之一是,我们可以将政策结合起来,以获得两个世界的最佳效果,"论文的第一作者王立瑞说。"例如,在真实世界数据基础上训练的政策可能会更灵巧,而在模拟基础上训练的政策可能会更通用"。这项具体工作的目标是创建智能系统,使机器人能够交换不同的工具来执行不同的任务。多用途系统的普及将使该行业离通用梦想更近一步。 ... PC版: 手机版:

封面图片

MIT麻省理工学院关于深度学习方法的入门课程 || #机器学习

MIT麻省理工学院关于深度学习方法的入门课程 || #机器学习 麻省理工学院深度学习方法入门课程,可应用于计算机视觉、自然语言处理、生物学等领域! 学生将获得深度学习算法的基础知识,并获得在 TensorFlow 中构建神经网络的实践经验。 先修课程需要微积分(即求导数)和线性代数(即矩阵乘法),有 Python 经验者将有所帮助,但并非必要。

封面图片

变形粘液机器人:科学家正在设法控制没有固定形态的东西

变形粘液机器人:科学家正在设法控制没有固定形态的东西 1991 年,邪典电影《终结者 2:审判日》(Terminator 2: Judgment Day)中的 T-1000 向世人展示了可变形机器人的概念。从那时起(如果不是在此之前的话),许多科学家都梦想着创造一种能够改变形状的机器人,以执行各种任务。但是,麻省理工学院的一个研究小组正在努力开发能够做到这一点的机器人。他们开发了一种机器学习技术,可以训练和控制一种可重新配置的"粘液"机器人,这种机器人可以挤压、弯曲和拉长自己,从而与周围环境和外部物体进行互动。遗憾的是,这个机器人不是由液态金属制成的。麻省理工学院计算机科学与人工智能实验室(CSAIL)的陈博源(Boyuan Chen)是概述研究人员工作的研究报告的共同作者,他介绍说:"我们的机器人就像粘液一样,可以真正改变自己的形态。我们的方法效果如此之好,非常令人震惊,因为我们面对的是一种非常新的东西"。研究人员必须设计出一种方法来控制粘液机器人,这种机器人没有手臂、腿或手指,也没有任何骨架供其肌肉推拉,更没有任何固定位置的肌肉致动器。如此无形的形态,如此无尽动态的系统......这些都是噩梦般的场景:你究竟该如何为这样一个机器人的动作编程呢?显然,在这种情况下,任何标准的控制方案都将毫无用处,因此研究小组求助于人工智能,利用其处理复杂数据的巨大能力。他们开发出了一种控制算法,可以学习如何移动、拉伸和塑造所述球状机器人,有时还可以多次学习,以完成特定任务。粘液机器人没有固定的"骨架"或执行器位置,因此具有极高的灵活性,但同时也是对控制系统的巨大挑战 麻省理工学院强化学习是一种机器学习技术,用于训练软件利用试验和错误做出决策。它非常适合训练具有明确运动部件的机器人,例如带有"手指"的抓手,可以对使其更接近目标的动作进行奖励例如捡起一个鸡蛋。那么,由磁场控制的无形软体机器人呢?"这样的机器人可能有成千上万块小肌肉需要控制,"陈说。"因此,用传统方法学习它非常困难。粘液机器人需要一次移动大块粘液,才能实现有效的功能性形状变化;操纵单个颗粒不会产生所需的实质性变化。因此,研究人员采用了一种非传统的强化学习方法。在二维行动空间中,相邻行动点之间的相关性更强,从而使软机器人的形状发生变化在强化学习中,当一个代理与环境交互时,可供选择的所有有效行动或选择的集合被称为"行动空间"。在这里,机器人的行动空间被视为由像素组成的图像。他们的模型使用机器人所处环境的图像来生成一个由网格覆盖的点所构成的二维行动空间。与图像中邻近像素的关联性相同,研究人员的算法认为邻近的动作点具有更强的关联性。因此,当机器人的"手臂"改变形状时,其周围的动作点会一起移动;"腿"上的动作点也会一起移动,但与手臂的移动不同。研究人员还开发了一种"从粗到细的策略学习"算法。首先,使用低分辨率的粗略策略(即大块移动)对算法进行训练,以探索行动空间并识别有意义的行动模式。然后,更高分辨率的精细策略深入研究,优化机器人的行动,提高其执行复杂任务的能力。团队利用人工智能强化学习技术创建了一个基于任务、以目标为导向的控制系统"从粗到细意味着,当你采取一个随机动作时,这个随机动作很可能会产生不同的结果,"该研究的合著者、同样来自CSAIL的文森特-西茨曼(Vincent Sitzmann)说。"结果的变化很可能非常显著,因为你同时粗略地控制了几块肌肉"。接下来是测试他们的方法。他们创建了一个名为"DittoGym"的模拟环境,其中有八项任务可以评估可重构机器人改变形状的能力。例如,让机器人匹配一个字母或符号,并让它生长、挖掘、踢、抓和跑。"我们在 DittoGym 中的任务选择既遵循了通用的强化学习基准设计原则,又满足了可重构机器人的特殊需求。""每项任务的设计都代表了我们认为重要的某些特性,例如通过长视野探索进行导航的能力、分析环境的能力以及与外部物体交互的能力,"Huang 继续说。"我们相信,这些任务加在一起可以让用户全面了解可重构机器人的灵活性以及我们的强化学习方案的有效性。"研究人员发现,就效率而言,他们的"从粗到细"算法在所有任务中的表现都优于其他算法(例如,仅使用粗算法或从零开始使用细算法)。要想在实验室外看到形状可变的机器人尚需时日,但这项工作是朝着正确方向迈出的一步。研究人员希望,这将激励其他人开发出自己的可重构软体机器人,有朝一日,这种机器人可以在人体上行走,或被集成到可穿戴设备中。该研究发表在预印本网站arXiv上。 ... PC版: 手机版:

封面图片

受野生燕麦启发的自播生物杂交"机器人种子"

受野生燕麦启发的自播生物杂交"机器人种子" 当能量突然释放时,种子尖尖的另一端就会被压入土壤中。然后,沿着果壳外侧的背向绒毛会帮助种子保持稳固。设计所依据的天然野生燕麦种子意大利技术研究所(IIT-Italian Institute of Technology)和德国弗莱堡大学(University of Freiburg)的研究人员试图将这种机制复制到一种可用于输送任何种类种子的装置中。这就是所谓的 HybriBot。机器人的核心是种子(和一些肥料),种子被封装在一个由面粉和水制成的模塑胶囊里。胶囊干燥后,它就会被乙基纤维素包裹,这是一种不溶于水的环保型生物聚合物,常用于将肥料控制释放到土壤中。HybriBot 没有使用人工合成的姊妹芒,而是使用从真正的野生燕麦种子中提取的真正芒。它还加入了真正的燕麦籽壳毛。整个机器人的重量为 60 毫克,大约是天然野生燕麦种子重量的三倍。左图为 HybriBot 的制造材料,包括 3D 打印的可重复使用的模具、面粉/水面团、野燕麦籽毛和野燕麦籽姊妹芒研究人员告诉我们,虽然生产过程听起来可能相当繁琐和耗时,但自动化机器人装配系统可以快速、低成本地生产出成千上万个装有种子的HybriBots。重要的是,所有材料都可以在环境中生物降解,而且对任何可能食用它们的动物都无毒。在目前进行的测试中,机器人已成功地将番茄、菊苣和柳叶菜等植物的种子送入盆栽土、粘土和沙子中。希望该技术得到进一步开发后,能应用于农业和林业领域。由印度理工学院的芭芭拉-马佐莱(Barbara Mazzolai)和伊莎贝拉-菲奥雷罗(Isabella Fiorello)领导的这项研究的论文最近发表在《先进材料》(Advanced Materials)杂志上。您可以在下面的视频中看到 HybriBots 的工作情况。 ... PC版: 手机版:

🔍 发送关键词来寻找群组、频道或视频。

启动SOSO机器人