万事平台材料基因組工程研究院張統一院士和孫升研究員課題組近日在機械工程領域頂級期刊《International Journal of Mechanical Sciences》上發表了機器學習輔助軟體機器人設計的最新研究成果（“Machine learning-assisted shape morphing design for soft smart beam”，267:108957，2024）。万事平台材料基因組工程研究院為本論文的第一完成單位和通訊單位，之江實驗室和上海市力學信息學前沿科學研究基地為本論文的共同通訊單位👨👧👦，材料基因院21級博士生馬家軒為第一作者，材料基因院張統一院士和孫升研究員為共同通訊作者。
圖1.介電柔性梁的致動形狀逆向設計數據驅動框架
軟體機器人具有極好的柔順性🧑🤝🧑，在復雜環境探索、柔性電子皮膚和智慧健康醫療等方面具有巨大的應用前景。但無限的變形自由度使得致動激勵的設計極具挑戰性🧽。張統一院士在國內最早提出的（材料）力學信息學的研究範式🌅，為軟體機器人致動激勵的設計提供了新的解決思路🚶➡️。
本工作借鑒自然界中獸群通過單體相互作用實現宏觀“湧現”能力的現象🏄🏿♀️，提出多點激勵實現介電彈性體按需變形的方法👩🏭，通過融合力電耦合大變形有限元模擬🧑🏿🎄、神經網絡代理模型和啟發式算法，提出了確定軟體機器人目標致動形狀外加激勵的數據驅動方法。
該研究首先通過有限元仿真建立介電柔性梁的外部激勵和致動變形空間坐標的數據庫☁️🧑🏽⚖️，基於長短期記憶神經網絡（LSTM）和全連接神經網絡（FCNN）提取介電柔性梁的空間特征👦🏼，捕捉外部激勵和致動變形空間坐標的非線性映射關系🦵🏻，最後嵌入到粒子群（PSO）算法中進行目標形狀的逆向設計🏌🏼♂️。工作展示了對於長度分為80mm, 120mm和160mm的柔性介電梁的致動形狀逆向設計結果8️⃣🚫，表明提出的數據驅動方法具有良好的泛化能力。此研究提出的柔性梁致動形狀逆向設計算法可以擴展到不同驅動激勵類型的智能材料，有望進一步加速軟體機器人的發展應用。
圖2：LSTM-FCNN模型對長度為80mm、120mm和160mm介電柔性梁的預測結果
圖3：人為擺出的介電柔性梁的致動變形逆向設計結果
該工作得到了國家重點研發計劃（編號：2022YFB3707803）🏧、國家自然科學基金項目（編號：12072179）和之江實驗室重點研發項目（編號：2021PE0AC02）的資助。
文章鏈接：https://doi.org/10.1016/j.ijmecsci.2023.108957
