La robotica morbida cerca da anni di costruire macchine più flessibili, più sicure nel contatto con persone e oggetti, e più adatte a muoversi in spazi stretti o irregolari. Un braccio robotico industriale tradizionale lavora con giunti rigidi, assi precisi e movimenti controllati. Un robot morbido, invece, può piegarsi in modo continuo, deformarsi lungo tutta la sua struttura e adattarsi meglio all’ambiente.
Questa flessibilità è utile, ma crea un problema: come si fa a sapere con precisione dove si trova il robot, se il suo corpo cambia forma in ogni punto? Nei robot rigidi, encoder e sensori sui giunti permettono di misurare angoli e posizioni. Nei robot morbidi, questa soluzione non basta, perché non ci sono pochi giunti discreti da controllare. La deformazione è distribuita lungo tutto il corpo.
Un gruppo di ricerca della Nanyang Technological University, Singapore, insieme alla University of Tokyo, ha lavorato proprio su questo punto. Il risultato è un robot continuum morbido prodotto con il supporto della stampa 3D, capace di usare la propria struttura come sensore distribuito. Il progetto è stato pubblicato su npj Flexible Electronics con il titolo “A 3D printing-enabled soft continuum robot with integrated sensing for multi-purpose predictions with machine learning”.
Che cos’è un robot continuum
Un robot continuum è un robot che non si muove come un braccio meccanico composto da segmenti rigidi collegati da giunti. Il suo movimento assomiglia di più a quello di una proboscide, di un tentacolo, di un serpente o di un endoscopio flessibile. La curvatura non avviene in un punto solo, ma lungo tutta la struttura.
Questa caratteristica lo rende interessante per applicazioni in cui un robot rigido sarebbe troppo ingombrante o troppo pericoloso. Può infilarsi in percorsi tortuosi, manipolare oggetti fragili, lavorare in spazi confinati, esplorare cavità o interagire con tessuti biologici in modo più delicato.
Il problema è il controllo. Un corpo molto deformabile è più difficile da modellare. Ogni carico esterno, ogni contatto e ogni variazione del materiale può cambiare la forma del robot. Senza un sistema di sensing efficace, il robot può muoversi, ma non sa davvero in che configurazione si trova. In robotica si parla spesso di propriocezione: la capacità di un sistema di percepire la posizione e la deformazione del proprio corpo.
Il corpo del robot diventa il sensore
L’idea centrale del lavoro NTU-University of Tokyo è integrare la funzione sensoriale nella struttura stessa del robot. Invece di aggiungere sensori esterni dopo la fabbricazione, i ricercatori hanno progettato un materiale e una geometria capaci di cambiare risposta elettrica quando il robot si deforma.
La struttura sensibile è realizzata con un composito polimerico conduttivo, indicato come CPC, basato su grafite e PDMS. Il PDMS è un elastomero siliconico molto usato in ricerca per sistemi flessibili, microfluidica, dispositivi morbidi e componenti deformabili. La grafite rende il materiale elettricamente conduttivo. Quando la struttura si piega o si allunga, la rete conduttiva interna cambia e la resistenza elettrica varia.
Questa variazione non viene interpretata in modo semplice e lineare. Nei materiali morbidi conduttivi, infatti, la risposta può essere non lineare, può mostrare isteresi e può dipendere dalla storia della deformazione. Per questo i ricercatori hanno affiancato al materiale un modello di machine learning capace di leggere le serie temporali dei segnali elettrici e ricostruire la forma del robot.
Il ruolo della stampa 3D
La stampa 3D entra nel processo come strumento per creare stampi sacrificiali in PVA, un materiale solubile in acqua. Questi stampi permettono di ottenere una geometria reticolare complessa, ispirata a una struttura tipo Yoshimura origami. Il composito grafite-PDMS viene colato nello stampo e, dopo la solidificazione, lo stampo viene rimosso.
Il risultato è una struttura cilindrica a maglia, flessibile e conduttiva. La geometria reticolare è importante perché permette al robot di piegarsi senza diventare troppo rigido. Allo stesso tempo, le aste del reticolo funzionano come elementi sensibili distribuiti. In pratica, la parte che sostiene meccanicamente il robot è anche quella che produce il segnale utile per capirne la forma.
Questa scelta evita di montare sensori separati lungo il corpo del robot. Nei sistemi morbidi, aggiungere sensori esterni può creare problemi: cavi, ingombri, punti rigidi, fragilità, difficoltà di assemblaggio e interferenze con il movimento. Integrare il sensing nel materiale riduce questi limiti.
Una struttura a segmenti con attuazione a tendini
Il robot descritto nello studio è formato da segmenti reticolari. Ogni segmento misura circa 30 mm di lunghezza e 40 mm di diametro. Più segmenti vengono sovrapposti per ottenere un corpo continuo, lungo circa 120 mm nella configurazione principale. Le aste del reticolo sono organizzate in un disegno a X tra anelli più rigidi.
La struttura presenta anche una variazione di rigidità: gli elementi inferiori sono leggermente più spessi per migliorare la stabilità, mentre quelli superiori sono più sottili per favorire la flessione. Questo tipo di progettazione mostra bene uno dei vantaggi della manifattura additiva: non solo produrre una forma complessa, ma distribuire proprietà meccaniche diverse nella stessa architettura.
Il movimento è ottenuto con tre tendini azionati da motori collocati alla base. Tirando i tendini in modo controllato, il robot si piega nelle direzioni desiderate. Durante il movimento, una piccola elettronica di acquisizione misura le variazioni di resistenza nella rete conduttiva del composito. Questi segnali vengono poi combinati con le informazioni sugli spostamenti dei tendini.
Machine learning per ricostruire la forma
Il robot non usa soltanto un modello geometrico classico. Il gruppo di ricerca ha adottato una rete neurale basata su architettura Conformer, che combina componenti convoluzionali e meccanismi di attenzione tipici dei Transformer. In termini semplici, il modello impara a collegare le variazioni elettriche del materiale e i comandi dei tendini alla forma reale assunta dal robot.
Questo approccio è adatto perché i segnali provenienti da materiali morbidi non sono sempre puliti. Una stessa curvatura può produrre risposte leggermente diverse a seconda del percorso seguito dal materiale, della velocità del movimento o dei carichi esterni. Un modello addestrato su dati sperimentali può compensare parte di questa complessità.
Nel lavoro viene usato anche un riferimento fisico, legato alla modellazione del corpo continuo, per mantenere coerenza nella ricostruzione della forma. L’obiettivo non è sostituire completamente la fisica con l’intelligenza artificiale, ma combinare dati, materiale sensibile e modello del robot.
I risultati riportati indicano una ricostruzione della forma in tempo quasi reale. Il sistema ha ottenuto un errore medio di posizione della punta di circa 3,8 mm e un RMSE dell’end-effector di circa 6,3 mm. Per un robot morbido di queste dimensioni, soggetto a deformazioni continue e carichi esterni, è un risultato significativo sul piano sperimentale.
Perché il sensing è il punto debole dei robot morbidi
La robotica morbida promette manipolazione delicata e adattamento, ma il sensing resta una delle sfide principali. Un robot troppo rigido è facile da controllare, ma poco adatto al contatto con ambienti complessi. Un robot molto morbido è più sicuro e adattabile, ma più difficile da misurare e comandare.
Le soluzioni esistenti includono sensori ottici, fibre, sensori resistivi, camere esterne, sensori di pressione, sensori capacitivi e modelli cinematici. Ognuna ha vantaggi e limiti. Le camere esterne possono essere precise, ma non funzionano bene in spazi chiusi o dentro il corpo umano. Le fibre ottiche possono offrire misure accurate, ma aggiungono complessità. I sensori incollati sulla superficie possono alterare la deformazione o staccarsi.
L’approccio NTU-University of Tokyo punta a una strada più integrata: il materiale strutturale stesso partecipa alla misura. Questo non elimina tutti i problemi, perché i compositi conduttivi morbidi possono avere deriva, rumore e isteresi. Però riduce il numero di componenti separati e mantiene più pulita l’architettura del robot.
Dal robot che sente se stesso al robot che capisce cosa afferra
Un aspetto interessante dello studio è che il sistema non si limita a ricostruire la posizione del robot. I ricercatori hanno mostrato anche una funzione di previsione legata agli oggetti afferrati. Una versione con sei segmenti è stata usata come gripper statico per distinguere geometrie diverse.
Usando le serie temporali di resistenza e un classificatore SoftMax, il sistema è riuscito a distinguere tra assenza di oggetto, cilindro, asta quadrata e asta triangolare con un’accuratezza indicata dell’85%. Questo suggerisce che la deformazione del corpo del robot contiene informazioni non solo sulla sua forma interna, ma anche sull’interazione con l’ambiente.
In un gripper morbido, questa capacità può essere utile. Quando una pinza si adatta all’oggetto, la forma che assume dipende da ciò che sta toccando. Se la struttura è sensibile, il robot può dedurre qualcosa sull’oggetto senza usare una telecamera o un sensore tattile separato.
Applicazioni possibili: medicale, ispezione, manipolazione delicata
I robot continuum morbidi sono spesso citati per applicazioni biomedicali, come endoscopi flessibili, strumenti chirurgici minimamente invasivi o dispositivi per raggiungere zone difficili senza danneggiare i tessuti. In questi casi la capacità di conoscere la propria forma è essenziale. Un robot che entra in un percorso tortuoso deve sapere dove si trova e come si sta piegando.
Un altro campo è l’ispezione remota. Tubazioni, condotti, motori, impianti industriali e ambienti confinati richiedono strumenti capaci di muoversi in spazi stretti. Un robot morbido potrebbe adattarsi meglio di un braccio rigido, ma deve poter ricostruire la propria posizione anche quando una telecamera esterna non è disponibile.
C’è poi la manipolazione di oggetti fragili. Alimentare, agricoltura, packaging, elettronica e logistica richiedono spesso prese adattive. Un gripper morbido può ridurre il rischio di danneggiare l’oggetto, ma per diventare affidabile deve sapere quanto si sta deformando e se sta afferrando correttamente.
Perché questa ricerca interessa la stampa 3D
La parte più importante per la manifattura additiva non è soltanto la realizzazione di un pezzo morbido. È l’uso della stampa 3D come abilitatore di una struttura funzionale. Il reticolo non è un semplice supporto meccanico: è una geometria progettata per deformarsi, condurre elettricità e produrre dati.
Questo avvicina la stampa 3D a una direzione sempre più importante: componenti che non hanno una sola funzione. Un oggetto stampato può essere strutturale, elastico, sensibile, deformabile e compatibile con un modello di controllo. In questo caso la produzione additiva non serve solo a fare una forma difficile, ma a collegare materiale, geometria e informazione.
La scelta dello stampo sacrificial in PVA è altrettanto significativa. In molti laboratori, stampare direttamente materiali morbidi conduttivi con alta precisione può essere complesso. Usare la stampa 3D per creare uno stampo solubile permette di combinare la libertà geometrica della manifattura additiva con le proprietà di un elastomero colato. È un percorso ibrido, ma molto pratico.
I limiti prima di pensare a un prodotto
Il lavoro resta una dimostrazione di ricerca. Per arrivare a dispositivi commerciali serviranno passaggi ulteriori: durata del materiale, stabilità nel tempo, ripetibilità della fabbricazione, calibrazione tra esemplari diversi, resistenza a cicli ripetuti, protezione dell’elettronica, miniaturizzazione e integrazione con sistemi di controllo più completi.
Nei compositi conduttivi morbidi, la risposta elettrica può cambiare con temperatura, umidità, invecchiamento, carico e fatica meccanica. Questo richiede modelli robusti e procedure di calibrazione. Inoltre, un sistema basato su machine learning deve essere addestrato con dati rappresentativi delle condizioni reali. Se il robot lavora in un ambiente molto diverso da quello del laboratorio, il modello può perdere accuratezza.
C’è anche il tema della produzione. La fabbricazione con stampi sacrificiali è efficace per prototipi e piccole serie, ma va valutata su scala più ampia. La rimozione dello stampo, l’integrazione degli elettrodi, la qualità del composito e il controllo delle dimensioni devono diventare processi ripetibili.
Un passo verso robot morbidi più autonomi
La ricerca di Nanyang Technological University e University of Tokyo mostra una direzione concreta per i robot morbidi: non aggiungere sensibilità come componente esterno, ma progettarla dentro la struttura. Il robot diventa una combinazione di materiale, geometria, elettronica e algoritmo.
Per la stampa 3D questo è un messaggio importante. Il valore non sta solo nel produrre rapidamente una geometria complessa, ma nel creare architetture che integrano funzioni diverse. Reticoli, materiali conduttivi, stampi sacrificiali, sensori distribuiti e machine learning possono trasformare un componente stampato o colato da “pezzo” a sistema intelligente.
Non siamo davanti a un robot pronto per l’uso clinico o industriale immediato. Siamo però davanti a un esempio chiaro di come la manifattura additiva possa aiutare a costruire dispositivi morbidi con capacità sensoriali integrate. Per applicazioni come ispezione, manipolazione delicata e strumenti biomedicali, sapere dove si trova il robot e come si sta deformando è una condizione fondamentale.
Il prossimo passo sarà capire quanto questo approccio possa essere reso stabile, miniaturizzato e ripetibile. Se il sensing integrato nel materiale riuscirà a mantenere accuratezza e affidabilità fuori dal laboratorio, i robot continuum morbidi potranno diventare strumenti più controllabili e meno dipendenti da sensori esterni.
