MIT科學家放下身段改進開源3D列印假手
摘要：在麻省理工學院著名的林肯實驗室（Lincoln Laboratory）里，其下屬的技術辦公室創新實驗室（TOIL）正在通過研究手指動力學來改進3D列印假手技術。據悉研究人員為3D列印假手加上了非電子式的溫度和觸覺反饋機制，並集成了電機技術。這項研究成果將會被用於e-NABLE和其他類似的3D列印假肢公益組織。
說到e-NABLE，可能很多3D列印愛好者都已經耳熟能詳。這是一家專註於為殘疾人3D列印假手的公益性在線社區，在過去幾年裡它的影響力在全球範圍內不斷擴大。據了解，e-NABLE是在2011年由Ivan和JenOwen共同創立的，來自全世界的志願者們匯聚在這裡，為那些有需要的殘障人士設計、3D列印便宜而又實用的機械手。到目前為止，e-NABLE已經免費提供了多個可3D列印和組裝的假手設計，製作成本僅在50美元左右，而且志願者們在用它們為殘障人士服務的時候也可以根據不同情況修改此設計。而如今，為了能夠提高低成本、可批量製造假肢的性能和質量，來自TOIL的一群專家正在通過開發新的技術為這一項目提供進一步的支持，並願意將他們的成果提供給e-NABLE和其他公益組織。
據了解，TOIL團隊的工作是在當下互聯網上比較流行的免費3D列印假手設計的基礎上進行進一步的改進。為此，研究人員下載、3D列印和組裝了多種型號的假手。對於大多數3D列印假手設計來說，組裝過程涉及到使用一種拉緊器模塊去連接5根機械手指，這個模塊位於手腕的背面，並用繃緊的彈性繩子來連接不同的手指。使用者可以通過屈伸手腕來使假手做出「抓握」的動作。
不過，TOIL研究團隊發展，當前的這種3D列印假手設計具有一定的局限性。比如如果有一根手指受到阻礙，就會導致所有的手指無法活動，這就限制了抓握能力。為此，研究人員希望能夠開發出新的設計，使每根手指能夠獨立活動，這就有助於改進其抓握能力和靈活性。那麼，他們的解決方案是什麼？「Whippletree」，這是一個聰明的結構，它由一個中央節點和到其它幾個聯動結構的連接組成。當Whippletree的一個連接受到阻擋之後，其中央節點會移動，並通過每個鏈接將力量均勻地發布出去。據悉，一個e-NABLE的3D列印假手設計上可以使用一個whippletree，使每根手指都能夠獨立運動，這樣用戶可以牢牢抓住幾乎任何形狀的對象。
TOIL團隊的Whippletree
除此之外，TOIL團隊還找到了其它方法來改進常見的3D列印假手設計。例如，他們通過將能夠變色的熱反應絲線加進塑料當中為該設計增加了無源溫度反饋功能。這種熱致變色材料會在接觸到熱量時立即變色，從而讓用戶能夠更充分「感受到」抓握物體表面的溫度。「讓用戶知道物體表面是不是熱的很重要。」研究團隊負責人David Scott說：「這能夠防止他們受到傷害。」
另外，儘管還沒開發完成，TOIL團隊也正在創建一個觸覺反饋部件，它可以讓用戶感受到壓力。這個巧妙的部件主要使用一種從指尖到前臂的軟管，這些軟管的兩端會有一個小袋子式的裝置，一個在假手指尖一個在用戶的前臂上。管子中會充滿液體，因此當用戶在對3D列印指尖施加壓力時，這個力量就會傳導到用戶的手臂上，讓用戶感知到，手臂上的流體壓力的程度會讓用戶知道他們的手指上承受的壓力有多大。
出了這些常見的3D列印假手之外，TOIL團隊還花功夫為那些使用電機的假手設計出了更堅固的結構。這些假手主要是為那些沒有手腕、甚至手臂的人設計的。使用3D列印的齒輪加上馬達和Arduino，研究人員創建出了可以通過肌肉感測器來控制的3D列印假臂，其製造成本大約在350美元左右，而且能夠與e-NABLE假手兼容。這種使用了電機的手臂(見下圖)可以舉起大約25磅的重量，不過該團隊目前正在測試3D列印塑料零件的舉重能力。
在未來幾個月內，TOIL團隊還將繼續這項研究，然後他們會把這些成果以及完成的設計交給e-NABLE和其它組織。「當我看到現有的e-NABLE假手時，就知道它們還能夠改進得更好。」研究團隊成員LukeJohnson說。「自從開始這個項目之後，我獲得了從電路到工程方面的一大堆知識，但是這一個項目最重要的是它是為了幫助人們的，這種知識是溫暖人心的。」
日本機器人相撲運動逐漸興起想雇機器人當保衛？有人偷東西它沒起什麼作用基因編輯可對癌細胞定向干預：讓其不再「惡性」機器人總是對你百依百順？以後它要說「不」了！機器人帆船Saildrone：我不載任何水手 目標是星辰大海
TAG:cnBeta |
※PDF 開源編輯器PDF Mod
※向iOS學習 谷歌全新系統放棄開源
※荷蘭開源3D列印公司即將推出下一代全球適用的開源3D印表機
※效仿谷歌？美國一大學開源3D列印軟體
※在線眾包平台Orchard允許用戶分享、編輯開源3D列印模型
※企業安全建設之搭建開源SIEM平台（下）
※Orchard允許用戶分享、編輯開源3D列印模型
※DeepMind 開源內部深度學習框架 Sonnet，研究通過梯度下降學習
※谷歌PAIR新進展：Facets開源，有助於機器學習數據分析
※AMD發布最全能的GPU開源計算平台
※華盛頓大學聯合AWS開源NNVM：面向AI框架的新型端到端編譯器
※AMD開源高性能機器智能庫MIOpen
※開源 RISC-V CPU挑戰閉源 x86 和 ARM CPU
※「深度學習框架的未來」李沐：AWS開源端到端AI框架編譯器NNVM
※HTC開源實現全身追蹤Vive IK演示
※「一統天下的AI機器學習模型」：谷歌開源Tensor2Tensor程序庫
※亞馬遜開源翻譯框架Sockeye：基於MXNet的NMT平台
※AI TOP 10-百度開源中文建模工具，谷歌自動卡車曝光
※中科院計算所開源Easy ML：讓機器學習應用開發簡單快捷