Un team di ricercatori del Max Planck Institute for Intelligent Systems ha sviluppato moduli robotici esagonali, noti come HEXEL, che possono assemblarsi rapidamente per creare robot riconfigurabili ad alta velocità. Questi moduli, dotati di muscoli artificiali integrati in un esoscheletro rigido, sono in grado di collegarsi meccanicamente ed elettricamente ad altri moduli grazie a magneti incorporati, consentendo ai robot di assumere diverse forme e capacità.

Il design flessibile e riutilizzabile dei moduli permette di creare robot adatti a molteplici applicazioni, come missioni spaziali o di soccorso, in ambienti dove le risorse sono limitate. L’uso dei HEXEL garantisce una progettazione sostenibile, riducendo la necessità di costruire robot specializzati per ogni scopo.

Composizione e funzionamento dei Moduli HEXEL

Ogni modulo è costituito da sei piastre rigide in fibra di vetro che formano l’esoscheletro, mentre le articolazioni interne sono attivate da muscoli artificiali HASEL, che rispondono a tensioni elevate. I moduli possono cambiare rapidamente forma, adattandosi alle esigenze di movimento del robot. In combinazione, i moduli possono essere utilizzati per creare nuove geometrie di robot e riconfigurarsi in base ai compiti da svolgere.

In un video dimostrativo, il team ha mostrato come i moduli esagonali possano strisciare attraverso spazi ristretti, saltare in aria e formare robot capaci di rotolare rapidamente su terreni difficili. La ricerca sottolinea il potenziale di creare sistemi robotici modulari che possono essere modificati su richiesta, aumentando la versatilità rispetto ai sistemi specializzati.

Il team di ricerca di Cornell ha sviluppato un nuovo robot microscopico ispirato al kirigami, capace di trasformarsi da un foglio bidimensionale a complesse strutture tridimensionali e muoversi autonomamente. Questo robot, grande meno di 1 millimetro, è realizzato come un “metasheet” esagonale, che attraverso una scarica elettrica si piega in forme pre-programmate e può anche strisciare su superfici. Grazie al suo design innovativo, il robot utilizza tagli sottili nel materiale per piegarsi, espandersi e muoversi.

Questa tecnologia è descritta nel recente articolo “Electronically Configurable Microscopic Metasheet Robots”, pubblicato su Nature Materials. I principali autori sono Qingkun Liu e Wei Wang, due ricercatori post-dottorato, sotto la supervisione di Itai Cohen, professore di fisica alla Cornell.

Innovazione basata sul kirigami

Il kirigami, variante dell’origami, consente al robot di piegarsi in forme 3D senza dover nascondere materiale in eccesso, rendendo l’approccio molto più efficiente nella creazione di strutture tridimensionali. Questo robot è composto da circa 100 pannelli di biossido di silicio collegati tramite oltre 200 cerniere attuabili, ognuna delle quali è spessa appena 10 nanometri. Queste cerniere, attivate elettrochimicamente, permettono al robot di cambiare forma, espandersi e contrarsi fino al 40%, oltre che avvolgersi attorno a oggetti.

Uno degli obiettivi del progetto era creare una macchina microscopica in grado di muoversi autonomamente, superando le sfide del contatto e dell’attrito a livello microscopico. Il robot riesce a muoversi attraverso il suo ambiente cambiando forma, sfruttando le forze di resistenza fluidodinamica per nuotare, simile al movimento in un fluido viscoso come il miele.

Applicazioni future

Il team di Cohen prevede di combinare queste strutture flessibili con controlli elettronici, creando materiali “elastronici” in grado di rispondere in modo ultra-reattivo agli stimoli. Questi materiali potrebbero trovare applicazione in micromacchine riconfigurabili, dispositivi biomedicali miniaturizzati e materiali intelligenti che reagiscono agli impatti alla velocità della luce.

Un team di ricercatori guidato da Maryam Shanechi, direttrice del USC Center for Neurotechnology, ha sviluppato un algoritmo di intelligenza artificiale (AI) capace di separare i pattern cerebrali legati a comportamenti specifici. Questo progresso apre nuove possibilità per le interfacce cervello-computer, con applicazioni che potrebbero migliorare la qualità della vita dei pazienti paralizzati. Il lavoro è stato pubblicato sulla rivista Nature Neuroscience.

Come l’AI distingue i comportamenti nel cervello

Il cervello umano codifica simultaneamente molteplici comportamenti, come i movimenti del corpo o stati interni come la fame. Questa codifica simultanea rende difficile identificare i pattern associati a un comportamento specifico, come il movimento di un braccio, da tutto il resto dell’attività cerebrale. Per esempio, per ripristinare la funzione motoria nei pazienti paralizzati, le interfacce cervello-computer devono decodificare l’intenzione di movimento dal cervello e tradurla in azioni, come muovere un braccio robotico.

L’algoritmo DPAD (Dissociative Prioritized Analysis of Dynamics), sviluppato da Shanechi e dal suo ex studente di dottorato Omid Sani, affronta questo problema separando i pattern cerebrali legati a un comportamento specifico dagli altri pattern presenti. Ciò permette una decodifica più precisa dei movimenti e potrebbe migliorare notevolmente l’efficacia delle interfacce cervello-computer.

Applicazioni future per disturbi del movimento e della salute mentale

L’algoritmo DPAD non si limita al riconoscimento dei movimenti, ma può potenzialmente essere utilizzato per decodificare stati mentali come dolore o depressione. Questo potrebbe aprire la strada a nuovi trattamenti per disturbi della salute mentale, consentendo un monitoraggio più preciso dei sintomi e adattando le terapie in base ai bisogni dei pazienti.

L’algoritmo AI DPAD di Shanechi e il suo team rappresenta un importante passo avanti nel campo delle interfacce cervello-computer, con potenziali applicazioni non solo per i disturbi motori, ma anche per la salute mentale.