中日两国研究人员3D打印软体机器人手指

　　2020年6月1日，外媒报道，由浙江工业大学、天津大学、南京理工大学和日本立命馆大学的研究人员组成的联合体，利用3D打印技术制造出了一种柔软的机器人手指。

　　该装置由嵌入式单电极接触起电曲率传感器（embedded single-electrode triboelectric curvature sensor，S-TECS）提供动力，可在超低工作频率下感应弯曲曲率，不需要外部电源，就能实现加法数字的弯曲曲率。该装置的制作是作为一个概念证明，多材料3D打印不仅可以用来制造软执行器，还可以制造功能性传感器。研究人员希望这项创新能够用于制造可控的软性机器人。

3D打印的机器人手指由九层腔体构成（如图），照片来自Science Direct

　　构建机器人手指的独特方法

　　随着软质机器人研究的进步和新的制造方法的发展，人与机器人的交互方式也越来越安全，并为该技术开辟了新的应用空间。例如，现在已经可以直接打印出具有气密复杂结构和硬部件的软机器人。这一发展带来了一些创新，如2015年Wyss研究所生产的3D打印跳楼机器人等。

　　其他的软性机器人项目，比如Wyss团队的项目，也将基于压电、导电、磁性和有机光学材料的软性传感器集成到他们的软性机器人设计中。不过据研究人员称，这些传感器可能存在一些缺点，如原型设计时间长、电缆连接不稳定、系统组装复杂、系统集成困难等。

　　因此，研究团队选择了使用接触起电传感器。这种类型的组件具有高拉伸性和灵敏度，可以让机器人手指主动感知和实时感知其变形或反应。在此过程中使用3D打印也使团队能够使用多种材料，并利用一步到位的打印过程缩短了原型制作时间。通过接触起电曲率传感器和可拉伸电极的组合，研究人员的S-TECS传感器成功地避免了与以往项目相同的集成复杂性。

S-TEC传感器如何导致接触电化的概述，照片来自Science Direct

　　将S-TEC传感器集成到3D打印零件中

　　该装置的主体由9个充气室组成，连接到一个主气道，每个充气室的形状为长方形，为S-TECS图案的打印提供了一个平面。硬强化的充气室宽度为2毫米，两端有两个垫片，用于支撑S-TECS的顶层，两层之间保持3毫米的高度。根据其腔体结构，加法数只能向一个方向弯曲。当手指弯曲时，S-TECS的顶层开始向底层靠近，直到完全接触，激活接触电，并产生电流。

　　该器件是用Stratasys公司的多材料Objet350 3D打印机制作的，分为两部分：强化软体主体和连接器。S-TECS的图案直接打印在手指主体的顶部表面，以简化整个制造过程，减少生产时间。该装置的三电层和软体采用了类似橡胶的AgilusBlack打印材料制作，因为其抗拉强度为2.75MPa，断裂伸长率为250%。在室温下进行了24小时的固化，当手指的3D打印部件被拧在一起，并通过硅酮胶粘剂将S-TECS连接起来后，组装就完成了。

　　研究人员通过改变传感器的表面结构、施加在它身上的力和工作频率的自动化设置，测试了传感器在不同条件下的性能。研究人员发现，将传感器与不同的软性材料集成在一起，并没有发现降低整个机器人系统的灵活性和适应性。此外，在0.06Hz的超低工作频率下，传感器被证明能够测量手指曲率高达8.2 m-1。

　　测试不仅证明了S-TECS作为自供电曲率传感器的有效性，而且还证明了利用多材料3D打印技术制作接触起电软机器人结构的可行性。研究人员认为，该方法有可能在未来使用先进传感功能的机器人应用中得到利用。

　　快速成型制造和软机器人技术

　　3D打印技术已经被用于制造软性机器人，其应用范围广泛，从航空航天工业到医疗用途都有。

　　来自纽约康奈尔大学的研究人员在2020年1月开发出了一种3D打印的软机器人肌肉，能够通过出汗来控制其内部温度。它那柔软的手指状致动器可以保留水分，并对温度做出反应，从而为自己降温。

　　2019年5月，美国宇航局的一对研究人员成功地利用3D打印技术制造出了一个软性机器人执行器，这是动画和控制机器人运动部件的关键部件。这项研究是对太空中潜在的软机器人应用的更广泛调查的一部分。

　　罗格斯大学-新不伦瑞克分校的研究人员在2018年5月创造了一种新的水凝胶3D打印材料，这种材料非常灵活，可以让它像人一样行走。该材料是为医疗行业的应用而开发的，可用于将药物输送到身体的目标部位，降低了患者的损伤风险。

　　研究人员的研究结果在他们题为 “A soft robotic finger with self-powered triboelectric curvature sensor based on multi-material 3D printing.” 的论文中详细介绍了他们的发现。该研究发表在《Science Direct》期刊上，Mingzhu Zhu, Mengying Xie, Xuanming Lu, Shima Okada, and Sadao Kawamura. 是该研究的共同作者。