人工肌肉是软体机器人的核心驱动器件，其柔顺的驱动能够为人与机器人之间提供安全友好的交互，在仿生机器人、可穿戴外骨骼和柔性抓手等方面具有广阔的应用前景。近些年来，研究者们基于新材料、新结构或新驱动原理研发出了多类在某些方面表现出优异性能的人工肌肉，例如高响应速度的介电弹性体、高输出应力的形状记忆合金，但是现有人工肌肉的实际应用还是通常受到收缩率、输出力不足或构型与运动单一的限制。 |
为了突破这些限制使人工肌肉更加面向实际应用，我们提出了一种高收缩率、高输出力和丰富构型的织物网格状气动人工肌肉(FAMs)，相关成果以“High-stroke, high-output-force, fabric-lattice artificial muscles for soft robots”为题发表于Advanced Materials期刊(IF=29.4)。该人工肌肉可以在较大收缩率范围内保持高输出力，通过调整驱动单元参数可以调整其力学性能，例如实现87.5%的收缩率或20 kg(250倍自重)的负载能力；另外，通过调整该人工肌肉的组件形状可以实现拱形和圆柱形等面外构型，进而产生拱形面收缩和径向收缩等驱动模式。FAMs的这些特性可以应用于实现一些高性能的软体机器人，包括大运动范围、高负载的仿生机械肘，舒适贴合的肩部辅助外骨骼，和具有自适应抓取能力的柔性抓手。图1 织物网格状气动人工肌肉(FAMs)的结构与原理
织物网格状气动人工肌肉(FAMs)整体呈现出一个面状中空网格结构，在气压的作用下会产生剧烈的收缩运动，其网格结构由多个行阵列单元串联形成，每个行阵列单元包括一组以镜像zig-zag形式热压连接的织物气腔和织物连接层，织物气腔和织物连接层每两个相邻热压连接处之间形成了一个基本的菱形驱动单元。 卸压状态下，由于织物材料的柔顺性，驱动单元能够轻易竖直拉伸形成一个细长的菱形，此时气腔被折叠；气压激励作用下，折叠气腔迅速膨胀、刚化和伸直，相当于在折叠处产生弯矩，导致驱动单元产生水平伸长和竖直收缩运动，形成一个扁平的菱形。驱动单元的竖直长度会从 2l 减小到理论最小值 2w/π，最大收缩率为1-w/(lπ)，由于两个几何参数气腔宽度 w 和菱形驱动单元边长 l 相互独立，因此最大收缩率可以在0%到100%的开区间内任意设计。 一个FAM通常包括5个行阵列单元，每个行阵列单元包括3个驱动单元。200 kPa气压激励下，一个普通型号的FAM能够在2 kg负载下达到65%的收缩率，通过调整几何参数 w 和 l ，FAM还能实现87.5%的收缩率或20 kg(250倍自重)的负载能力。图2 FAMs的性能表征
我们表征了九种型号FAMs的被动拉伸性能和力-收缩关系曲线。实验表明，FAMs的自然长度均约为40 mm，仅需10-20 N的预紧力即可拉伸至规定原长(例如型号Ⅸ是350 mm，拉伸率大于750%)，且预紧力在接近规定原长时才突然上升，证明该网格结构具有优异的结构可拉伸性；不同于大多数人工肌肉的输出力随收缩率快速下降的特性，FAMs能够在较高的收缩率下产生较大的输出力，例如型号Ⅸ在5 kg、7.5 kg和10 kg负载的工况下仍然能产生61.4%、55.6%和45.4%的收缩率。通过比较不同型号FAMs的最大收缩率和平均输出应力(相对于气腔静息面积)，我们发现最大收缩率分布在30%-80%之间且随着 w/l 线性下降，而平均输出应力整体与 w/l 成正相关，整体变化规律与我们建立的理论模型相吻合，因此FAMs的力学性能可以通过一个无量纲参数 w/l 来进行调控。
此外我们对FAM(型号Ⅸ)进行了疲劳测试。负载3.5 kg，0-80 kPa、0.2 Hz的正弦气压激励下，FAM在5000次循环工作后没有出现泄气与损坏，驱动性能保持良好，证明FAM具有良好的寿命，能够在高负载、大行程的工况下长期稳定地工作。
图3 基于FAMs的仿生机械肘
FAMs的高收缩率和高输出力使其在仿生机器人应用中具有较大的潜力。我们模仿人体肘部的肌肉骨骼结构，通过跨过一个铰链拮抗布置一对FAMs，设计了一款仿生机械肘(839 g)。该机械肘具有较大的运动范围(260°)和负载能力(大于1 kg)；结合简单的前馈控制和PI控制，机械肘弯曲角度能够很好地跟随预设的角度信号，例如不同速度的斜坡信号和正弦信号；在阶跃气压(100 kPa)的激励下，FAMs能够快速响应、收缩，使得机械肘能够快速弯曲将一枚乒乓球(2.7 g)以2.86 m/s的速度抛出。该应用展示了FAMs的高收缩率、高输出力、可控制性和快速响应等特点。
视频2 基于FAMs的仿生机械肘
![]()
图4 基于拱形FAMs的肩部辅助外骨骼
除了平面构型外，FAMs也能通过改变织物气腔和织物连接层的几何形状实现面外构型，例如半圆形织物气腔和半圆形织物连接层可以构成拱形FAMs，其在气压的激励下能够沿着拱形面产生收缩运动。
基于拱形FAMs，我们开发了一款肩部辅助外骨骼(412 g)，该外骨骼易于穿戴(约3.5 min)，在不驱动时附着于肩部外侧，不影响肩部的正常运动；在驱动情况下，能够很好地贴合肩部表面产生收缩运动，牵动手臂相对于肩关节进行外展运动。
我们首先在人体模型(手臂重量1.25 kg)上对肩部外骨骼进行了验证，实验表明，200 kPa气压激励时，人体模型在“手握”0 kg、0.5 kg、1 kg和2 kg的工况下能够外展105°、91.9°、60.2°和38.2°。我们也在健康人体上对肩外骨骼进行了验证，通过监测并比较受试者在不穿戴外骨骼、穿戴外骨骼但不驱动和穿戴外骨骼且驱动三种情况下外展至水平位置的肌肉活动度(肌电信号)，我们发现穿戴外骨骼且驱动的情况下受试者的肌肉活动度明显下降(其中前三角肌、中三角肌和冈下肌分别下降26.7%、34.4%和40.6%)，证明了肩部外骨骼在人体外展运动中的辅助效果，该应用同时也展现了FAMs的可配置性。
除了线性收缩驱动模式以外，FAMs还能够产生其他的驱动模式。将织物连接层设计成非对称结构时，FAMs会产生弯曲和收缩的复合运动，进一步将两端连接在一起会形成圆柱形FAMs，此时驱动运动将会从线性收缩转换为径向收缩。 基于圆柱形FAMs，我们设计了一款具有自适应抓取能力的柔性抓手(112 g)。该柔性抓手包括一个圆柱形FAM和两个环形气腔(通过热压连接形成一体)，圆柱形FAM的径向收缩运动用于包络物体，上方和下方的两个环形气腔用于打开柔性抓手，通过圆柱形FAM和环形气腔的协同运动，柔性抓手的内径能够在100 mm到15 mm内进行变化，具有较大的抓取范围。 我们首先通过拉拔实验表征了柔性抓手的抓取力，实验表明，抓取力随着抓取物直径和驱动气压的增大而增大，对于90 mm直径的3D打印圆柱体，120 kPa压力驱动下，柔性抓手能够产生超过170 N的抓取力；此外，该柔性抓手能自适应抓取一系列规则和不规则物体，包括螺丝刀、模型假手等；最终将柔性抓手集成到工业机械臂上，能够平稳地完成抓取和搬运任务。该柔性抓手体现了FAMs可变的驱动模式和可集成性。图6 本论文总结
网格结构具有很好的结构可拉伸性，多用于机械性能可调节的超材料设计，但他们通常是被动的结构，缺乏主动驱动能力。该工作集成了网格结构和气压驱动，设计了具有高收缩率和高输出力的人工肌肉FAMs，相比于大多数人工肌肉(输出力随收缩率快速下降)，FAMs能够在高收缩率下保持高输出力，具有优秀的机械性能；此外，FAMs可以设计为其他面外的构型(拱形和圆柱形)，产生拱形收缩、弯曲与收缩复合运动、径向收缩等驱动模式，丰富了人工肌肉的构型与运动。FAMs的这些特性可以应用于实现一些高性能的软体机器人，包括本文的机械肘，肩部辅助外骨骼和自适应柔性抓手。该论文提出的设计思想对开发高性能的人工肌肉和软体机器人具有参考意义。 上海交通大学机械与动力工程学院机器人研究所的博士生杨德志为论文第一作者，博士生冯苗为论文共同作者，谷国迎教授为论文通讯作者。该论文得到了国家自然科学基金、上海市科委的资助。 论文信息：Dezhi Yang, Miao Feng, Guoying Gu*, "High-stroke, high-output-force, fabric-lattice artificial muscles for soft robots", Advanced Materials, 2306928 (2023). https://onlinelibrary.wiley.com/doi/10.1002/adma.202306928上海交通大学机器人研究所软体机器人学与仿生设计课题组（Soft Robotics and Biodesign Lab）诚聘“软体机器人、机器人仿生设计与系统控制、软物质材料作动与传感、智能可穿戴系统”等方向博士后。
谷国迎，上海交通大学教授、博士生导师。主要从事机器人学与软体机器人技术方向的研究。近年来，主持承担了国家杰出青年基金／优秀青年基金、国家自然科学基金重大项目课题、国家重点研发计划、上海市基础研究重点等科研项目十余项，在Science Robotics, Nature Biomedical Engineering, Nature Reviews Materials, Nature Materials, Nature Communications, Science Advances, IEEE Trans. Robotics, Advanced Materials, Soft Robotics等期刊发表录用论文百余篇，研究成果获教育部自然科学一等奖、上海市自然科学一等奖等。担任Soft Robotics等期刊副主编、中国机械工程学会机器人分会副总干事、上海市机器人学会秘书长等。
有意者请将个人简历（pdf）与3篇代表作等相关材料发送至guguoying@sjtu.edu.cn，邮件标题请注明“姓名+毕业学校+应聘职位”，期待您的加盟！
