Robotica
MobiPrint: Robot Mobile che rende accessibili le Stampe 3D in ambienti complessi
Tempo di lettura: 2 minuti. MobiPrint, il robot 3D mobile dell’Università di Washington, aggiunge accessibilità e personalizzazione agli spazi, portando la stampa 3D su pavimenti e superfici in modo autonomo.
L’Università di Washington ha presentato MobiPrint, un innovativo sistema di stampa 3D mobile autonomo progettato per rivoluzionare il modo in cui oggetti personalizzati e soluzioni accessibili possono essere integrati in ambienti domestici e lavorativi. Sviluppato da un team di ricercatori della Paul G. Allen School of Computer Science & Engineering e basato su un robot aspirapolvere modificato, MobiPrint è dotato di tecnologia LiDAR per mappare con precisione le superfici interne e adattarsi a specifiche esigenze degli utenti.
Applicazioni di accessibilità e personalizzazione
MobiPrint è concepito per aggiungere facilmente elementi come marcatori tattili, utili per le persone con disabilità visive, che possono indicare percorsi o segnalare ostacoli come scalini. Il robot può inoltre creare piccole rampe in corrispondenza di transizioni irregolari di pavimento, facilitando l’accesso e il movimento di sedie a rotelle e carrozzine. Questa funzionalità di stampa rende la tecnologia un’innovazione importante in ambito accessibilità, un’area in cui tradizionalmente la personalizzazione e la funzionalità dipendono da costose soluzioni permanenti.
Tecnologia e funzionamento
Il processo di stampa inizia con l’esplorazione dello spazio da parte di MobiPrint, che utilizza il LiDAR per mappare l’ambiente e generare un modello tridimensionale dello spazio da stampare. Attraverso un’interfaccia grafica intuitiva, gli utenti possono selezionare modelli predefiniti dalla libreria di MobiPrint o caricare disegni personalizzati, come una ciotola per animali o elementi decorativi. Una volta definita la posizione e la scala dell’oggetto, MobiPrint si dirige automaticamente sul punto designato e inizia la stampa direttamente sul pavimento utilizzando PLA, un bioplastico comune e facilmente rimovibile.
Espansione delle possibilità e futuri sviluppi
Attualmente, il team di ricerca sta lavorando a miglioramenti per MobiPrint, come la capacità di stampare su superfici verticali (muri) e orizzontali (tavoli) e l’uso di materiali diversi come il calcestruzzo per applicazioni esterne. L’obiettivo a lungo termine è quello di estendere l’utilizzo del robot anche in ambienti pubblici, ad esempio per costruire rampe temporanee su marciapiedi e superfici urbane, supportando l’accessibilità temporanea in contesti cittadini.
Questo progetto è stato presentato il 15 ottobre 2024 all’ACM Symposium on User Interface Software and Technology e riceve il supporto della National Science Foundation. I ricercatori coinvolti, tra cui il dottorando Daniel Campos Zamora e il professore Jon E. Froehlich, si dichiarano entusiasti delle potenzialità di questa tecnologia, in grado di rendere accessibili e personalizzabili gli spazi in modo autonomo e senza interventi permanenti.
MobiPrint dimostra come la stampa 3D mobile possa contribuire a rendere ambienti domestici e urbani più inclusivi e adattabili. Con un sistema che combina tecnologia avanzata e usabilità, MobiPrint rappresenta una promettente soluzione per migliorare l’accessibilità e la personalizzazione degli spazi con il minimo sforzo da parte degli utenti.
Robotica
Materiali intelligenti: il futuro delle reti neurali meccaniche
Tempo di lettura: 2 minuti. Le reti neurali meccaniche dell’Università del Michigan promettono materiali capaci di apprendere e adattarsi: innovazioni che cambiano il futuro della tecnologia.
L’idea che i materiali possano apprendere e risolvere problemi sembra provenire da un racconto di fantascienza, ma i ricercatori dell’Università del Michigan stanno trasformando questa visione in realtà. Grazie a un algoritmo di backpropagation adattato ai materiali fisici, le reti neurali meccaniche (MNN) possono ora apprendere e rispondere a stimoli in modo autonomo. Questo progresso apre nuove prospettive in campi come l’ingegneria aerospaziale, la diagnostica medica e il design intelligente.
Le reti neurali meccaniche: come funzionano
Le MNN sono strutture fisiche, come reticoli di gomma 3D, progettate per rispondere a input meccanici in modo intelligente. A differenza dei tradizionali sistemi digitali, queste reti utilizzano forze fisiche, come il peso applicato su un materiale, per elaborare informazioni. Il risultato è una deformazione visibile che rappresenta l’output.
L’algoritmo sviluppato da Shuaifeng Li e Xiaoming Mao si basa sulla backpropagation, un approccio ampiamente utilizzato nelle reti neurali digitali per l’apprendimento. Applicando questa tecnica alle MNN, i ricercatori hanno dimostrato che è possibile addestrare materiali a rispondere in modo specifico a diversi stimoli. Per esempio, un reticolo è stato “formato” per distinguere tra specie di iris basandosi su caratteristiche come la dimensione delle foglie.
Le potenzialità delle MNN
Le reti neurali meccaniche offrono possibilità entusiasmanti per il futuro:
- Adattabilità aerospaziale: immaginate ali di aereo che si modellano automaticamente in base alle condizioni del vento, migliorando l’efficienza del volo.
- Strutture diagnostiche: materiali intelligenti potrebbero rilevare danni strutturali in edifici o infrastrutture critiche, avvisando tempestivamente gli operatori.
- Innovazioni nell’apprendimento: l’integrazione di onde sonore come input consentirebbe alle MNN di elaborare informazioni più complesse, aumentando significativamente la loro utilità.
Per il momento, l’adattamento dei materiali avviene manualmente, ma i progressi nella ricerca sui polimeri e sulle nanoparticelle potrebbero rendere le MNN pienamente autonome nel prossimo futuro.
Un ponte tra biologia e tecnologia
Un aspetto particolarmente intrigante di questa ricerca è il suo potenziale per comprendere i processi di apprendimento nei sistemi biologici. I ricercatori suggeriscono che l’algoritmo di backpropagation potrebbe fornire indizi su come i neuroni biologici elaborano e apprendono informazioni. Questo collegamento tra biologia e scienza dei materiali potrebbe aprire nuove strade nello studio delle reti neurali umane e animali.
La creazione di materiali che apprendono autonomamente rappresenta un cambio di paradigma. Le reti neurali meccaniche promettono di rivoluzionare settori chiave, dalla progettazione di macchine al miglioramento della sicurezza delle infrastrutture. Con il continuo avanzamento della ricerca, il confine tra il fisico e il digitale si assottiglia, dando vita a un futuro in cui i materiali non solo reagiscono, ma pensano e si adattano.
Robotica
RAVEN: il drone ispirato agli uccelli che salta per decollare
Tempo di lettura: 2 minuti. RAVEN: il drone ispirato agli uccelli dell’EPFL combina salti e volo per operazioni in ambienti complessi. Innovazione per soccorsi, ispezioni e consegne.
Il laboratorio di sistemi intelligenti dell’EPFL, guidato da Dario Floreano, ha sviluppato RAVEN, un drone innovativo ispirato agli uccelli per decollare senza bisogno di una pista. Con gambe robotiche multifunzionali, il dispositivo apre nuove possibilità per le operazioni in ambienti difficili, migliorando accesso, mobilità e autonomia.
Un design ispirato agli uccelli
RAVEN, acronimo di Robotic Avian-inspired Vehicle for multiple ENvironments, imita le capacità degli uccelli di passare agilmente tra camminare, saltare e volare. Il progetto si ispira ai corvi e ai corvi imperiali osservati nel campus dell’EPFL. Le gambe robotiche, leggere e multifunzionali, combinano molle e motori che replicano i tendini e i muscoli aviani. Questa soluzione consente al drone di camminare, saltare fino a 26 cm di altezza e decollare con efficienza energetica senza bisogno di attrezzature aggiuntive.
Efficienza energetica e applicazioni pratiche
La ricerca ha dimostrato che il salto iniziale per il decollo ottimizza l’uso dell’energia cinetica e potenziale, risultando più efficiente rispetto ad altre modalità. RAVEN è stato progettato per operare in ambienti complessi, come zone di disastri o aree con terreni accidentati, dove droni tradizionali incontrano difficoltà.
Le sue capacità multimodali lo rendono ideale per missioni di soccorso, ispezioni in luoghi confinati o operazioni di consegna in spazi ristretti, eliminando la necessità di un’interazione umana diretta.
Collaborazioni scientifiche e sviluppi futuri
Il progetto è frutto di una collaborazione tra l’EPFL, il laboratorio di neuromeccanica dell’Università della California e il BioRobotics Lab. Gli studi non solo migliorano la comprensione del movimento multimodale negli animali volanti, ma puntano a perfezionare il controllo e il design delle gambe per adattarsi a una gamma più ampia di ambienti di atterraggio.
RAVEN rappresenta un passo avanti nella progettazione di droni agili e versatili. Con il suo approccio innovativo ispirato alla natura, promette di ridefinire il modo in cui i droni operano in contesti difficili, aprendo nuove possibilità per applicazioni pratiche e missioni critiche.
Robotica
Cornell sviluppa il robot più piccolo al mondo per misurazioni microscopiche
Tempo di lettura: 2 minuti. Il robot più piccolo al mondo, creato da Cornell, combina robotica e ottica per misurazioni microscopiche e imaging a scala nanometrica.
Un team di ricercatori della Cornell University ha creato il più piccolo robot deambulante mai realizzato, progettato per interagire con onde di luce visibile e svolgere compiti di imaging e misurazione a scala microscopica. Questi microrobot, che misurano tra i 2 e i 5 micron, rappresentano un’innovazione unica, combinando robotica e ottica per esplorare strutture biologiche e materiali con un livello di precisione senza precedenti.
Robot diffrattivi: un nuovo paradigma
I robot sviluppati dai ricercatori di Cornell utilizzano elementi diffrattivi che manipolano la luce a livello sub-diffrattivo, permettendo loro di funzionare come estensioni microscopiche di una lente tradizionale. Questi robot non solo camminano su superfici solide grazie a un movimento controllato magneticamente, ma possono anche “nuotare” in fluidi con un meccanismo simile al movimento del verme inch-worm.
Il design del robot integra nanomagneti con forme differenti, lunghi e sottili o corti e compatti, per controllare con precisione i movimenti attraverso campi magnetici. Questo approccio consente al robot di piegarsi e muoversi senza bisogno di alimentazione diretta, riducendo le dimensioni complessive e aumentando l’efficienza.
Secondo Itai Cohen, uno degli autori principali dello studio, i robot possono svolgere compiti come il tuning della luce, la messa a fuoco e il superamento della risoluzione ottica convenzionale. Inoltre, il movimento controllato consente ai robot di misurare forze microscopiche, una funzione cruciale per esplorare strutture come il DNA e altre molecole complesse.
Applicazioni e prospettive future
Questi microrobot potrebbero rivoluzionare numerosi campi, dalla ricerca di base alla medicina clinica. Immaginare uno sciame di robot che eseguono simultaneamente microscopia a super-risoluzione e misurazioni fisiche su campioni biologici apre nuove possibilità per l’analisi dettagliata dei tessuti e la manipolazione di materiali a scala nanometrica.
Francesco Monticone, coautore dello studio, ritiene che siamo solo all’inizio di una nuova era in cui robotica e ottica microscopica si combinano per creare strumenti scientifici avanzati. Grazie alla loro versatilità, questi robot potrebbero essere utilizzati per esplorare campioni biologici complessi o come sensori per misurazioni in tempo reale in ambienti difficili.
I microrobot di Cornell rappresentano una pietra miliare nella miniaturizzazione della robotica, dimostrando il potenziale di integrare ingegneria ottica e meccanica a livelli microscopici. Questi strumenti potrebbero trasformare la ricerca scientifica e le applicazioni cliniche, permettendo una comprensione più profonda del mondo microscopico.
-
Smartphone1 settimana ago
Realme GT 7 Pro vs Motorola Edge 50 Ultra: quale scegliere?
-
Smartphone1 settimana ago
OnePlus 13 vs Google Pixel 9 Pro XL: scegliere o aspettare?
-
Smartphone7 giorni ago
Samsung Galaxy Z Flip 7: il debutto dell’Exynos 2500
-
Smartphone6 giorni ago
Redmi Note 14 Pro+ vs 13 Pro+: quale scegliere?
-
Sicurezza Informatica4 giorni ago
BadBox su IoT, Telegram e Viber: Germania e Russia rischiano
-
Economia7 giorni ago
Controversie e investimenti globali: Apple, Google e TikTok
-
Smartphone2 giorni ago
Galaxy S25 Slim e iPhone 17: nuovi dettagli su produzione e prezzi
-
Sicurezza Informatica1 settimana ago
Microsoft Patch Tuesday dicembre 2024: sicurezza e funzionalità