Metamaterials that learn to change shape

Technische Samenvatting: Metamaterialen die leren van vormverandering

Probleemstelling
Levende organismen bezitten een fundamenteel vermogen om hun vormveranderende responsen aan te passen en te evolueren door middel van lokale modificaties van hun componenten. Hoewel synthetische metamaterialen succesvol geavanceerde vormveranderende capaciteiten hebben gedemonstreerd op diverse schalen (van micron tot meter), missen ze doorgaans het vermogen om te leren. Traditionele vormgeheugenmaterialen kunnen worden getraind om slechts één of twee statische vormen te onthouden, en de meeste metamaterialen zijn "éénmalig ontworpen" zonder het vermogen om hun mechanische respons aan veranderende omstandigheden aan te passen of om nieuwe gedragingen te leren na fabricage. De centrale uitdaging die in dit werk wordt aangepakt, is het creëren van synthetische materialen die in staat zijn tot fysiek leren—specifiek, het vermogen om complexe vormveranderende responsen te leren, te vergeten en opnieuw te leren als reactie op mechanische inputs.

Methodologie
De auteurs construeren een robotisch metamateriaal bestaande uit $N$ eenheden die verbonden zijn door een elastisch skelet. Elke eenheid is uitgerust met een gemotoriseerd scharnier dat koppel kan uitoefenen en een microcontroller. Het systeem werkt op een wrijvingsarme luchttafel, wat vrije beweging mogelijk maakt.

• Controlemechanisme: De lokale stijfheid van elke eenheid is afstembaar via een lokale feedbackloop. Het koppel $\tau_i$ dat op eenheid $i$ wordt uitgeoefend, wordt beheerst door:
  $$\tau_i = -(k^o_i + k_e)\delta\theta_i - (k^p_{i-1} + k^a_{i-1})\delta\theta_{i-1} - (k^p_i - k^a_i)\delta\theta_{i+1}$$
  waarbij $k^o_i$ de on-site stijfheid is, $k^p_i$ de passieve (symmetrische) buurstijfheid, $k^a_i$ de actieve (antisymmetrische) buurstijfheid, en $k_e$ de vaste skeletstijfheid. De variabelen $\delta\theta_i$ vertegenwoordigen de hoekafwijkingen.

• Contrastief Leerschema: Het systeem maakt gebruik van een gesuperviseerd fysiek leerprotocol gebaseerd op contrastief leren. De leergraden van vrijheid zijn de afstembare stijfheden ($k^o, k^p, k^a$), terwijl de fysieke graden van vrijheid de hoekafwijkingen zijn. Het leerproces omvat twee toestanden:

  1. Vrije Toestand: Alleen input-deformaties ($\delta\theta_I$) worden opgelegd.
  2. Geklemde Toestand: Zowel input- als gewenste output-deformaties ($\delta\theta_O$) worden opgelegd.

  Het systeem werkt de stijfheidsparameters bij met behulp van een lokale leerregel afgeleid van de gradiënt van het verschil tussen een functie $\psi$ geëvalueerd in de geklemde (C) en vrije (F) toestanden:
  $$\frac{dk_i}{dt} = -\gamma \frac{\partial}{\partial k_i} (\psi^C - \psi^F)$$

  • Reciproque Geval ($k^a_i = 0$): $\psi$ is de elastische energie. De leerregel werkt $k^o$ en $k^p$ bij op basis van het verschil in gekwadrateerde hoeken en kruistermen tussen de toestanden.
  • Niet-reciproque Geval ($k^a_i \neq 0$): Om padafhankelijke systemen te behandelen waarbij krachten niet afgeleid worden van een scalaire potentiaal, definiëren de auteurs een padafhankelijke werkfunctie $\psi$ die een antisymmetrische term bevat, gewogen door een padrichtingsfactor $\alpha_i$. Dit maakt het leren van niet-reciproque responsen mogelijk waarbij de krachtoverdracht niet symmetrisch is.

• Multistabiliteit: Om multistabiele configuraties te bereiken, wordt een lokale stabiliteitsrestrictie geïntroduceerd op basis van de Gershgorin-cirkelstelling. Dit wijzigt de leerregel door een term toe te voegen die de on-site stijfheid $k^o_i$ naar een vooraf bepaalde waarde $k^*$ drijft, waardoor het systeem instabiele (bistabiele) configuraties kan leren waarbij de vlakke toestand niet langer een stabiel evenwicht is.

Belangrijkste Resultaten

1. Sequentieel Leren en Vergeten: Een metamateriaal met $N=6$ eenheden slaagde erin om te transformeren naar een "U"-vorm vanuit een rechte keten als reactie op een specifieke input. Cruciaal is dat het systeem aantoonde in staat te zijn deze vorm te "vergeten" en sequentieel nieuwe vormen te leren (het vormen van het woord "LEARN" met $N=11$) zonder herinitialisatie.
2. Schaalbaarheid: Numerieke simulaties tot $N=10^3$ gaven aan dat hoewel leren moeilijker wordt met de systeemgrootte door elastische decay, schaalbaarheid behouden kan blijven door langere-afstand interacties of meerdere outputs te introduceren. Experimentele validatie met een 48-eenheden systeem transformeerde succesvol in een katvorm met drie inputs.
3. Niet-reciproque Leren: De auteurs toonden aan dat reciproque metamaterialen ($k^a_i=0$) falen in het leren van vormveranderingen die de symmetrie tussen laadrichtingen verbreken. Door niet-reciproque interacties ($k^a_i \neq 0$) mogelijk te maken via de padafhankelijke leerregel, leerde het metamateriaal succesvol niet-reciproque responsen (bijv. positieve kromming bij eenheid 2 veroorzaakt positieve kromming bij eenheid 5, maar positieve kromming bij eenheid 5 veroorzaakt negatieve kromming bij eenheid 2).
4. Multi-Target Leren: Niet-reciprociteit maakte het simultaan leren van meerdere incompatibele vormveranderingen mogelijk. Terwijl reciproque systemen faalden om meer dan één doel te leren, leerden niet-reciproque systemen succesvol tot drie targets (en vier met naburige interacties van de tweede orde), waardoor één enkel materiaal verschillende letters kon vormen ("LEREN") op basis van verschillende inputlocaties en hoeken.
5. Multistabiliteit en Robotische Functionaliteit: Door te trainen voor negatieve stijfheidswaarden, leerden de metamaterialen bistabiele configuraties. Deze capaciteit werd gebruikt om te creëren:
   • Reflex Gripper: Een apparaat dat automatisch een bewegend object vangt bij contact en het weer loslaat/wegtrapt bij een specifieke input, gebruikmakend van de bistabiele aard van de eenheden.
   • Lokomotie (Voortbeweging): Een keten die getraind is om de letter "M" met vier stabiele vormen te genereren. Wanneer aangedreven door een enkele eenheid met een sinusvormig koppel, resulteerde de combinatie van multistabiliteit en niet-reciprociteit in een cyclische vormverschuiving, wat leidde tot unidirectionele lokomotie op een substraat.

Betekenis en Claims
Dit artikel vestigt metamaterialen als een levensvatbaar platform voor fysiek leren. De auteurs stellen dat door systematisch interne parameters (leergraden van vrijheid) aan te passen met behulp van lokale leerregels, synthetische materialen de adaptieve vormveranderende capaciteiten van levende organismen kunnen emuleren.

De betekenis van dit werk ligt in:

• Overbruggen van Ontwerplimieten: Het bewegen voorbij "ontwerp-één-maal" materialen naar systemen die kunnen leren, vergeten en opnieuw leren van complexe responsen op aanvraag.
• Generalisatie van Fysiek Leren: Het demonstreren dat fysieke leerregelingen kunnen generaliseren naar energie-niet-conserverende (niet-reciproque) en niet-lineaire (multistabiele) gevallen, die essentieel zijn voor complexe robotische functionaliteiten.
• Emergente Robotica: Het aantonen dat deze geleerde eigenschappen autonome robotische gedragingen mogelijk maken, zoals reflex-grijpen en voortbeweging, zonder complexe externe controle-algoritmen, waarbij vertrouwd wordt op de intrinsieke geleerde mechanica van het materiaal.

De auteurs concluderen dat deze aanpak de weg vrijmaakt voor adaptieve materialen en gedistribueerde robotica, met toekomstige mogelijkheden voor de uitbreiding naar dynamische/stochastische scenario's en ongesuperviseerd leren om levende materie verder te emuleren.