Menghancurkannya: Robotic AI Otonom Menciptakan Bentuk Penyerap Guncangan yang Belum Pernah Bisa Dilakukan Manusia

Robotic MAMA BEAR dari Universitas Boston secara mandiri menciptakan dan menguji struktur penyerap energi, baru-baru ini mencapai rekor efisiensi 75%, dengan aplikasi mulai dari pengiriman materials hingga perlengkapan militer. Kredit: Devin Hahn, Produksi Universitas Boston

Robotic otonom menciptakan bentuk penyerap goncangan yang belum pernah bisa dilakukan manusia. Pelajari apa artinya merancang helm, kemasan, bumper mobil yang lebih aman, dan banyak lagi.

Di dalam laboratorium di Fakultas Teknik Universitas Boston, sebuah lengan robotic menjatuhkan benda-benda plastik kecil ke dalam kotak yang ditempatkan tepat di lantai untuk menangkap benda-benda tersebut saat terjatuh. Satu demi satu, benda kecil ini—potongan silinder seringan bulu, tingginya tidak lebih dari satu inci—memenuhi kotak. Ada yang berwarna biru, ada yang merah, ungu, hijau, atau hitam.

Masing-masing struktur ini merupakan hasil eksperimen otonomi robotic. Beroperasi secara mandiri dan beradaptasi melalui pembelajaran berkelanjutan, robotic ini berupaya menciptakan bentuk penyerap energi paling efisien yang pernah ada.

Proses Inovasi

Untuk melakukan hal ini, robotic membuat struktur plastik kecil dengan printer 3D, mencatat bentuk dan ukurannya, memindahkannya ke permukaan logam datar—dan kemudian meremukkannya dengan tekanan yang setara dengan tekanan kuda Arab dewasa yang berdiri di atas seperempat. Robotic kemudian mengukur berapa banyak energi yang diserap struktur tersebut, bagaimana bentuknya berubah setelah tergencet, dan mencatat setiap element dalam database yang luas.

Kemudian, ia memasukkan benda yang hancur ke dalam kotak dan menyeka pelat logam hingga bersih, siap untuk mencetak dan menguji potongan berikutnya. Ini akan sedikit berbeda dari pendahulunya, desain dan dimensinya disesuaikan dengan algoritma komputer robotic berdasarkan semua eksperimen sebelumnya—dasar dari apa yang disebut optimasi Bayesian. Eksperimen demi eksperimen, struktur 3D menjadi lebih baik dalam menyerap dampak kehancuran.

Di dalam laboratorium Fakultas Teknik Universitas Boston, sebuah lengan robotic menjatuhkan benda-benda plastik kecil ke dalam kotak yang diletakkan sempurna di lantai untuk menangkap benda-benda tersebut saat terjatuh. Satu per satu, struktur kecil ini—potongan silinder seringan bulu, tingginya tidak lebih dari satu inci—memenuhi kotak. Ada yang berwarna merah, ada yang biru, ungu, hijau, atau hitam. Setiap objek merupakan hasil eksperimen otonomi robotic. Dengan sendirinya, sambil belajar, robotic tersebut mencari, dan mencoba membuat, sebuah objek dengan bentuk penyerap energi paling efisien yang pernah ada. Kredit: Devin Hahn, Produksi Universitas Boston

Peningkatan dan Penerapan Berkelanjutan

Pengulangan tanpa henti ini dimungkinkan berkat karya Keith Brown, seorang profesor teknik mesin di ENG, dan timnya di KABlab. Robotic tersebut, diberi nama MAMA BEAR—kependekan dari judul lengkapnya, Mechanics of Additively Manufactured Architectures Bayesian Experimental Autonomous Researcher—telah berevolusi sejak pertama kali dikonsep oleh Brown dan labnya pada tahun 2018. Pada tahun 2021, lab tersebut telah menyetel mesin tersebut pada mesinnya. upaya untuk membuat bentuk yang menyerap energi paling banyak, suatu sifat yang dikenal sebagai efisiensi penyerapan energi mekanik. Iterasi saat ini telah berjalan terus menerus selama lebih dari tiga tahun, mengisi lusinan kotak dengan lebih dari 25.000 struktur cetakan 3D.

Implikasi dan Prestasi Praktis

Mengapa banyak sekali bentuknya? Ada banyak sekali kegunaan sesuatu yang dapat menyerap energi secara efisien—misalnya, bantalan untuk barang elektronik halus yang dikirim ke seluruh dunia atau untuk bantalan lutut dan pelindung pergelangan tangan bagi para atlet. “Anda dapat memanfaatkan perpustakaan information ini untuk membuat bemper mobil yang lebih baik, atau peralatan pengemasan, misalnya,” kata Brown.

Agar dapat berfungsi secara splendid, struktur harus memiliki keseimbangan yang sempurna: struktur tidak boleh terlalu kuat sehingga menyebabkan kerusakan pada apa pun yang seharusnya dilindungi, namun harus cukup kuat untuk menyerap benturan. Sebelum MAMA BEAR, struktur terbaik yang pernah diamati memiliki efisiensi sekitar 71 persen dalam menyerap energi, kata Brown. Namun pada suatu sore yang dingin di bulan Januari tahun 2023, laboratorium Brown menyaksikan robotic mereka mencapai efisiensi 75 persen, memecahkan rekor yang diketahui. Hasilnya baru dipublikasikan hari ini (21 Mei) di jurnal Komunikasi Alam.

“Saat kami memulai, kami tidak tahu apakah akan ada bentuk yang memecahkan rekor ini,” kata Kelsey Snapp (ENG'25), mahasiswa PhD di laboratorium Brown yang mengawasi MAMA BEAR. “Perlahan tapi pasti kami terus maju, dan berhasil menerobos.”

Desain Pemecah Rekor dan Inovasi Lebih Lanjut

Struktur pemecah rekor ini tidak seperti apa yang diharapkan para peneliti: ia memiliki empat titik, berbentuk seperti kelopak bunga tipis, dan lebih tinggi serta sempit dibandingkan desain awal.

“Kami gembira karena ada begitu banyak information mekanis di sini, sehingga kami menggunakannya untuk mempelajari pelajaran tentang desain secara lebih umum,” kata Brown.

Knowledge ekstensif mereka telah diterapkan pertama kali di kehidupan nyata, membantu menginformasikan desain bantalan helm baru untuk tentara Angkatan Darat AS. Brown, Snapp, dan kolaborator proyek Emily Whiting, seorang profesor ilmu komputer di BU Faculty of Arts & Sciences, bekerja dengan Angkatan Darat AS dan menjalani pengujian lapangan untuk memastikan helm yang menggunakan bantalan yang sedang dipatenkan terasa nyaman dan memberikan perlindungan yang memadai dari benturan. . Struktur 3D yang digunakan untuk padding berbeda dari produk pemecah rekor—dengan bagian tengah yang lebih lembut dan tinggi yang lebih pendek untuk membantu kenyamanan.

Memperluas Peran Robotic Otonom dalam Penelitian

MAMA BEAR bukan satu-satunya robotic penelitian otonom yang dimiliki Brown. Laboratoriumnya memiliki robotic “BEAR” lain yang melakukan tugas berbeda—seperti nano BEAR, yang mempelajari perilaku materials pada skala molekul menggunakan teknologi yang disebut mikroskop gaya atom. Brown juga telah bekerja dengan Jörg Werner, asisten profesor teknik mesin ENG, untuk mengembangkan sistem lain, yang dikenal sebagai PANDA—kependekan dari Polymer Evaluation and Discovery Array—BEAR untuk menguji ribuan bahan polimer tipis untuk menemukan bahan yang paling sesuai dalam kondisi lingkungan. sebuah baterai.

“Mereka semua adalah robotic yang melakukan penelitian,” kata Brown. “Filosofinya adalah mereka menggunakan pembelajaran mesin bersama dengan otomatisasi untuk membantu kami melakukan penelitian lebih cepat.”

“Tidak hanya lebih cepat,” tambah Snapp. “Anda dapat melakukan hal-hal yang biasanya tidak dapat Anda lakukan. Kita dapat mencapai struktur atau tujuan yang tidak dapat kita capai jika tidak dilakukan, karena hal tersebut akan memakan banyak biaya dan waktu.” Dia telah bekerja sama dengan MAMA BEAR sejak eksperimen dimulai pada tahun 2021, dan memberikan robotic tersebut kemampuan untuk melihat—yang dikenal sebagai visi mesin—dan membersihkan pelat ujinya sendiri.

Masa Depan Penelitian Otonom

KABlab berharap dapat menunjukkan lebih jauh pentingnya penelitian otonom. Brown ingin terus berkolaborasi dengan para ilmuwan di berbagai bidang yang perlu menguji sejumlah besar struktur dan solusi. Meskipun mereka telah memecahkan rekor, “kami tidak dapat mengetahui apakah kami telah mencapai efisiensi maksimum,” kata Brown, yang berarti mereka mungkin dapat memecahkannya lagi. Jadi, MAMA BEAR akan terus berjalan, mendorong batasan lebih jauh, sementara Brown dan timnya melihat kegunaan lain dari database tersebut. Mereka juga mengeksplorasi bagaimana lebih dari 25.000 pecahan dapat dilepas dan dimasukkan kembali ke dalam printer 3D sehingga bahan tersebut dapat didaur ulang untuk eksperimen lebih lanjut.

“Kami akan terus mempelajari sistem ini, karena efisiensi mekanis, seperti banyak sifat materials lainnya, hanya diukur secara akurat melalui eksperimen,” kata Brown, “dan penggunaan laboratorium self-driving membantu kami memilih eksperimen terbaik dan melaksanakannya sebagai secepat mungkin.”

Referensi: “Efisiensi penyerap energi mekanik superlatif yang ditemukan melalui kemitraan manusia-lab yang mengemudi sendiri” oleh Kelsey L. Snapp, Benjamin Verdier, Aldair E. Gongora, Samuel Silverman, Adedire D. Adesiji, Elise F. Morgan, Timothy J. Lawton, Emily Whiting dan Keith A. Brown, 21 Mei 2024, Komunikasi Alam.
DOI: 10.1038/s41467-024-48534-4