Robotyczny łańcuch z Amsterdamu uczy się kształtów bez centralnego sterowania
Zespół fizyków z Instytutu Fizyki Uniwersytetu w Amsterdamie (UvA), pod kierownictwem Corentina Coulaisa, opracował nową klasę metamateriałów zdolnych do autonomicznego uczenia się i zapamiętywania złożonych form geometrycznych. Badania opublikowane w kwietniu 2026 roku w czasopiśmie „Nature Physics” opisują łańcuchowe struktury robotyczne, które bez centralnego układu sterowania adaptują swoje właściwości mechaniczne poprzez bezpośrednie interakcje z otoczeniem. Pierwszy autor pracy, Yao Du, wykazał, że materiał złożony z 11 jednostek potrafi sekwencyjnie przyswoić i odtworzyć kształty liter tworzących słowo „LEARN”, zastępując stare wspomnienia nowymi bez konieczności resetowania całego systemu.
Kluczem do osiągnięcia tej zdolności jest rozproszenie procesów decyzyjnych na poziomie pojedynczych ogniw łańcucha. Każda jednostka składa się ze zmotoryzowanego zawiasu wyposażonego w mikrokontroler i lokalną pamięć, co pozwala na precyzyjny pomiar kąta rotacji oraz wymianę danych wyłącznie z bezpośrednimi sąsiadami. W procesie uczenia wykorzystano schemat uczenia kontrastowego (contrastive learning), zainspirowany biologiczną regułą Hebba. Lokalna sztywność połączeń, o bazowej wartości 12 mN·m/rad, jest aktualizowana w zależności od różnicy energii elastycznej między stanem swobodnym a wymuszonym przez badacza. Dzięki zastosowaniu mechanizmów asymetrycznych (non-reciprocal), w których reakcja na nacisk zależy od kierunku przyłożenia siły, struktura może przechowywać wiele niekompatybilnych kształtów jednocześnie. Zjawisko to, wspierane przez fizyczną wielostabilność układu, umożliwia gwałtowne przełączanie się między zapamiętanymi stanami pod wpływem prostego bodźca.
Odkrycie to znacząco przesuwa granice inżynierii materiałowej, przenosząc funkcje logiczne i decyzyjne bezpośrednio w fizyczną strukturę materii. Naukowcy zademonstrowali praktyczne możliwości tej technologii, konstruując m.in. chwytak refleksyjny złożony z sześciu ogniw, który zaciska się autonomicznie po kontakcie z obiektem, oraz struktury zdolne do samodzielnej lokomocji. Wykorzystując zaprogramowaną multistabilność, łańcuchy potrafią pełznąć lub toczyć się po pochyłościach, wykonując precyzyjne sekwencje ruchów bez instrukcji z zewnętrznego komputera. Skalowalność systemu, potwierdzona w symulacjach obejmujących do tysiąca jednostek, otwiera drogę do budowy inteligentnych, adaptacyjnych maszyn i urządzeń medycznych zdolnych do pracy w trudnych, stochastycznych warunkach, gdzie tradycyjna, scentralizowana elektronika sterująca okazuje się zbyt mało elastyczna.
Źródła: https://www.msn.com/en-us/news/technology/new-metamaterials-learn-shapes-adapt-behavior-and-move-like-living-systems/ar-AA20mXwn, https://www.earth.com/news/new-metamaterials-learn-to-change-shape-and-adapt-without-a-central-brain
