KI-Design ermöglicht weiche 3D-gedruckte Roboterhand

Ein Forscherteam der Korea Advanced Institute of Science and Technology (KAIST) hat zusammen mit Partnerinstitutionen ein neuartiges, hochdehnbares Material für den 3D-Druck entwickelt, dessen Optimierung durch künstliche Intelligenz beschleunigt wurde. Die Ergebnisse wurden kürzlich in der Fachzeitschrift Nature Communications vorgestellt. Unter der Leitung von Professor Seungchul Lee (KAIST) sowie in Zusammenarbeit mit Dr. Jongbeom Na (KIST) und Professor Bumsoo Park (Seoul National University of Science and Technology) adressiert die Studie ein zentrales Problem der additiven Fertigung: die Spannung zwischen einfacher Druckbarkeit und hoher Elastizität. Beim Digital-Light-Processing-Verfahren (DLP) wird eine flüssige Formulierung durch Lichtexposition in feste Strukturen umgewandelt. Traditionell führt eine Erhöhung der Dehnbarkeit zu einer steigenden Viskosität, wodurch das Material nicht mehr ausreichend fließt, um komplexe Formen zu drucken. Umgekehrt mindert eine zu starke Verdünnung die mechanische Stabilität. Das KI-gestützte Materialdesign-Framework des Teams umgeht dieses Dilemma, indem es nicht nur druckfähige, sondern auch schwer verarbeitbare, hochviskose Proben in den Trainingsdatensatz einbezieht. Durch die Analyse zahlreicher Laborformulierungen erkannte das maschinelle Lernmodell die komplexen Zusammenhänge zwischen Rezeptur und Materialeigenschaften. Daraufhin identifizierte es die optimale chemische Kombination, die sowohl ein präzises DLP-Printing als auch extreme Dehnung ermöglicht. Das entwickelte Polymer lässt sich ohne Reißen auf mehr als das Sechsfache seiner ursprünglichen Länge strecken. In der Praxis bewährte sich das Material durch den Druck eines weichen Robotergreifers. Durch Luftdruck angetrieben, ahmen die integrierten Aktuatoren natürliche Fingerbewegungen nach. Der prototypische Roboterhandgriff fasst zuverlässig zerbrechliche Objekte wie Eier, stabile Glasflaschen und elektronische Geräte, wobei er eine maximale Belastung von einem Kilogramm sicher bewältigt. Die Forschungsarbeit markiert einen Paradigmenwechsel im Werkstoffdesign. Bisherige Entwicklungszyklen beruhten auf aufwendiger manueller Trial-and-Error-Methodik. Das vorgestellte KI-Modell reduziert den Forschungszeitraum erheblich, indem es vielversprechende Materialkandidaten datenbasiert vorsortiert, welche anschließend im Labor validiert werden. Die Autoren betonen, dass dieser Ansatz die Entwicklung funktionaler Druckmaterialien für die Weichteilrobotik, personalisierte Medizin und ergonomische Wearables erheblich beschleunigt. Durch die Kopplung experimenteller Erkenntnisse mit algorithmischer Optimierung wird ein skalierbares Verfahren etabliert, das die Grenzen der additiven Fertigung nachhaltig erweitert und neue Anwendungsfelder in der direkten Mensch-Maschine-Interaktion erschließt.