Ein Origami-Roboter der Princeton University kann 16 stabile Formen gezielt annehmen und sie ohne laufende Energiezufuhr halten. Statt für jedes Segment einen eigenen Antrieb einzubauen, steuert ein einzelner Magnet zusammen mit zeitlich abgestimmten Magnetfeldern die Faltzustände. Die Form des Roboters übernimmt dabei eine zweite Aufgabe: Sie speichert mechanisch, welchen Zustand das System zuletzt erreicht hat. Genau diese Verbindung aus Bewegung und Gedächtnis macht den Prototyp für besonders leichte Softroboter interessant.
Im Labor wirkt das System zunächst eher wie ein gefalteter Hohlkörper als wie eine klassische Maschine. Der von Yifan Rao und Kollegen entwickelte magnetische Origami-Roboter der Princeton University besteht aus mehreren zylindrischen Faltsegmenten, die sich einzeln zusammenziehen oder ausdehnen können. Beim Umschalten schnappen die dünnen Flächen hör- und sichtbar in eine neue Geometrie, während der restliche Körper seine Form behält. Für die Steuerung genügt deshalb nicht bloß ein stärkeres oder schwächeres Magnetfeld; entscheidend sind Richtung, zeitliche Abfolge und die mechanische Vorgeschichte der einzelnen Segmente.
Solche Systeme gehören zu den Softrobotern, deren Körper selbst einen Teil der Funktion übernimmt. Statt starre Gelenke, Getriebe und mehrere Motoren zusammenzuschrauben, nutzen sie elastische oder gefaltete Strukturen, um Bewegungen direkt aus dem Material und seiner Geometrie zu erzeugen. Der neue Ansatz geht einen Schritt weiter, weil der Körper nicht nur bewegt wird, sondern den erreichten Zustand stabil festhält. Ein vergleichbares Ziel verfolgen andere weiche Roboter, die empfindliche Objekte greifen oder sich an wechselnde Umgebungen anpassen; hier liegt die Besonderheit jedoch in der programmierbaren Abfolge mehrerer stabiler Faltzustände.
Die Grundlage bildet eine Kresling-Struktur, eine zylindrische Origami-Geometrie mit schräg verlaufenden Falten. Jede Zelle besitzt mindestens zwei stabile Formen und kann zwischen ihnen umklappen, wenn die einwirkende Kraft eine bestimmte Energiebarriere überwindet. Rao und sein Team konstruieren die Segmente absichtlich so, dass diese Barrieren unterschiedlich hoch liegen. Dadurch reagiert nicht der gesamte Körper gleichzeitig auf denselben magnetischen Reiz, sondern einzelne Abschnitte schalten in einer vorhersehbaren Reihenfolge. Die Faltmechanik wird damit zu einer Art mechanischem Schaltplan, der in der Geometrie des Roboters steckt.
Genau dieser Punkt unterscheidet die Maschine von vielen konventionellen Robotern. Dort legt typischerweise eine elektronische Steuerung fest, welcher Motor wann bewegt wird, während die Mechanik den Befehl nur ausführt. Bei der Origami-Zustandsmaschine verteilt sich ein Teil dieser Logik auf den Körper selbst. Die unterschiedlich ausgelegten Energiebarrieren bestimmen, welche Form nach einem bestimmten Impuls erreichbar ist, und begrenzen zugleich unerwünschte Übergänge. Ein äußerer Controller muss deshalb nicht jede Bewegung kontinuierlich nachregeln, sondern kann gezielt zwischen stabilen Zuständen wechseln.
Besonders ungewöhnlich ist die Rückkehr zu einem definierten Ausgangszustand. Befindet sich der Roboter in einer unbekannten Kombination aus gefalteten und entfalteten Segmenten, kann ein rotierendes Magnetfeld ihn selbstständig in eine bekannte Gleichgewichtslage treiben. Dafür braucht das System nach Angaben der Autoren weder Sensoren noch eine Rückmeldung über die aktuelle Form. Erst nach diesem Reset folgen gerichtete Magnetimpulse, die den Roboter Schritt für Schritt zu einem gewünschten Zielzustand führen. Das Verfahren löst damit ein zentrales Problem mehrstabiler Systeme: Ohne zuverlässigen Ausgangspunkt ist eine spätere Befehlsfolge sonst schwer vorherzusagen.
Rao und sein Team beschreiben die möglichen Formen als Knoten eines Zustandsgraphen. Übergänge zwischen diesen Knoten entsprechen konkreten Faltbewegungen, die durch Magnetpulse ausgelöst werden. Aus einer unbekannten Ausgangslage wird so zuerst ein bekannter Startpunkt erzeugt; anschließend lässt sich die vorgesehene Route durch den Zustandsraum abarbeiten. Dieses Konzept ähnelt einer digitalen Zustandsmaschine, arbeitet aber nicht mit Bits in einem Speicherchip, sondern mit realen Formen eines mechanischen Körpers. Die Information steckt sichtbar in der Frage, welche Zelle gerade gefaltet oder entfaltet ist.
In den Proceedings of the National Academy of Sciences verbindet die zugehörige Studie Experimente mit einem reduzierten Lagrange-Modell der Mechanik. Damit berechnen die Autoren nicht nur langsame Übergänge zwischen benachbarten Zuständen, sondern auch das schnelle Durchschnappen der Falten. Trägheit spielt dabei eine wichtige Rolle, weil ein ausreichend kräftiger Impuls mehrere Zellen nahezu gleichzeitig über ihre Energiebarrieren treiben kann. Solche dynamischen Übergänge erlauben Abkürzungen durch den Zustandsraum, anstatt jede Zwischenform einzeln anzusteuern.
Für die Robotik ist das mehr als ein mathematisches Detail. Ein System, das nur eine festgelegte Folge langsamer Einzelschritte beherrscht, verliert bei komplexeren Bewegungen schnell an Tempo und Flexibilität. Wenn die Dynamik gezielt genutzt wird, kann dieselbe Struktur verschiedene Wege zu einem Ziel nehmen. Die Forscher demonstrieren damit, dass mechanische Speicherzustände und Bewegung nicht getrennt behandelt werden müssen. Der Körper selbst wird zu einem Teil der Rechenlogik, weil seine Trägheit, Stabilität und Faltgeometrie darüber entscheiden, welche Übergänge möglich sind.
Frühere Versionen der Princeton-Struktur benötigten zwischen mehreren Segmenten jeweils eigene Magnete. Beim neuen Aufbau sitzt der Magnet nur an einem Ende, während das äußere Feld die gesamte Kette beeinflusst. Das spart Bauteile im bewegten Körper und hält die Faltsegmente leicht. Glaucio Paulino, der die Arbeitsgruppe leitet, sieht gerade darin einen Vorteil gegenüber vielen Robotern, die Batterien, Motoren, Leitungen und Gelenke im Inneren tragen müssen. Bei seinem Konzept bleiben Energiequelle und wesentliche Aktuation außerhalb des Roboters, während im Körper vor allem die mechanische Struktur verbleibt.
Diese Trennung ist interessant für Anwendungen, bei denen Gewicht, Platz und Verkabelung stärker begrenzen als die reine Rechenleistung. Ein sehr kleiner oder besonders leichter Roboter kann kaum beliebig viele Motoren und Akkus mitführen. Magnetische Felder lassen sich dagegen berührungslos von außen anlegen, wobei die Reichweite und die notwendige Feldstärke mit der Größe und Umgebung des Systems zusammenpassen müssen. Der vorgestellte Prototyp beweist deshalb noch keine fertige Anwendung, zeigt aber eine konkrete Architektur, mit der komplexe Zustände ohne eine ebenso komplexe interne Antriebstechnik erreichbar werden.
Die Arbeitsgruppe koppelte die Zustandsmaschine außerdem an einen Roboter mit adaptiver Fortbewegung, den sie StateMorph nennt. In den ergänzenden Versuchen nutzt das System unterschiedliche Körperformen, um sein Bewegungsverhalten zu verändern. Damit wird die gespeicherte Geometrie funktional: Ein Zustand ist nicht nur eine Form zum Vorzeigen, sondern kann eine andere mechanische Eigenschaft oder Bewegungsweise bereitstellen. Die Autoren sehen darin einen Weg zu Robotern, die ihre Struktur an eine Aufgabe anpassen, ohne dafür eine große Zahl separat geregelter Gelenke zu benötigen.
Gerade Softroboter profitieren von solchen Konzepten, weil ihre Körper ohnehin stärker verformbar sind als starre Maschinen. Ein weicher Greifer kann etwa über Materialspannung bestimmen, wie er ein empfindliches Objekt umfasst, während faltbare Systeme ihre Länge, Steifigkeit oder Bewegungsrichtung ändern können. Die neue Zustandsmaschine liefert dafür eine Steuerlogik, die mit der Mechanik verschmilzt. Welche Funktionen künftig tatsächlich in einem einzigen Körper kombinierbar sind, hängt davon ab, wie zuverlässig sich die Energiebarrieren fertigen lassen und wie stabil die Übergänge bei Störungen bleiben.
Als mögliche Langzeitanwendungen nennt Paulino unter anderem medizinische Systeme und die Raumfahrt. Für einen Einsatz im Körper müsste die Struktur stark miniaturisiert werden; denkbar wäre dann ein Hohlkörper, der eine Substanz transportiert und über ein äußeres Magnetfeld gelenkt oder umgeformt wird. Das ist derzeit eine Perspektive und keine erprobte Therapie. Auch im Weltraum könnten leichte faltbare Systeme interessant sein, weil Masse, Volumen und interne Energieversorgung dort besonders teuer sind. Ein Roboter, dessen Form mehrere Funktionen übernimmt, könnte deshalb mit weniger eingebauter Hardware auskommen.
Der nächste technische Schritt liegt vor allem in der Skalierung und in der Zuverlässigkeit. Mehr Segmente vergrößern den möglichen Zustandsraum stark, zugleich müssen ihre Energiebarrieren klar voneinander getrennt bleiben, damit die Magnetpulse weiterhin eindeutig wirken. Ebenso wichtig ist die Frage, wie robust der Reset gegenüber Fertigungstoleranzen, Materialermüdung und äußeren Kräften bleibt. Genau an dieser Grenze zwischen einfacher äußerer Steuerung und immer komplexerer Mechanik entscheidet sich, ob aus der demonstrierten Origami-Zustandsmaschine später ein praktisch nutzbarer Roboterkörper wird.
Princeton University, One magnet turns origami robot into machine logic
Proceedings of the National Academy of Sciences, Origami state machine with time-varying magnetic fields; doi:10.1073/pnas.2615316123
Mit KI-Unterstützung erstellt
Wählen Sie Forschung und Wissen bei Google als bevorzugte Quelle oder folgen Sie uns per RSS-Feed.
