人造软表面可自主模仿自然形状

美国杜克大学工程师已开发出一种可伸缩的柔软表面，其可不断地自我重塑，以模拟自然界中的物体。依靠电磁驱动、机械建模和机器学习形成新的构型，该人造表面甚至可学习适应破碎的元件、意外的约束或变化的环境等障碍，未来或可应用于柔性机器人、增强现实、仿生材料和特定主题的可穿戴设备。这项研究发表在21日的《自然》杂志在线版上。

研究人员表示，此次的表面是可编程的，配备了设计好的活性元件的柔软表面可在几个形状之间变换形状，就像一张折纸，对光、热或其他刺激的触发作出反应。

为了创造这样的表面，研究人员首先布置了一个横梁网格，由一层薄薄的金层制成，包裹着一层薄聚合物。单个梁只有8微米厚，大约是棉纤维的厚度，宽度不到1毫米。它们十分轻盈，磁力可很容易、快速地使其变形。

为了产生局部力，该表面被置于一个低水平的静态磁场中。电压变化沿着金色网格产生复杂但易于预测的电流，从而驱动网格的平面外移。

研究人员称，这是第一个速度足够快的人造软表面，可准确地模拟自然界中连续的变形过程。一个关键的进步是结构设计，它实现了电输入和所产生的形状之间不寻常的线性关系，从而很容易弄清楚如何施加电压来实现各种各样的目标形状。

新的“超构表面”展示了一系列变形和模仿技能。它创造的凸起在表面上上升和移动，就像毯子下的猫试图找到出路一样。有了监控变形表面的摄像头，超构表面也可自己学习重新创造形状和图案。通过缓慢地调整施加的电压，学习算法接受3D成像反馈，并计算出不同的输入对变形表面的形状有什么影响。

由于表面能通过试错来自学，它也能适应损坏、意外的物理限制或环境变化。在一次实验中，它很快学会了模仿鼓起的土堆，尽管它的一根横梁被切断了。另一次实验中，尽管网格的一个节点上被施加了重量，但它还是设法模仿出类似目标的形状。

展望未来，研究人员希望创建具有集成形状感知功能的机器人超曲面，以执行对自然界复杂、动态表面的实时形状模拟，如水波、鱼鳍或人脸。该实验室还考虑在原型中嵌入更多组件，如车载电源、传感器、计算资源或无线通信功能。