1. 簡介與概述
軟體機器人以其柔順性及安全的人機互動特性著稱，但其控制系統通常依賴剛性電子元件，造成「柔順性不匹配」的問題。流體邏輯以空氣或液體壓力作為計算媒介，提供了一種完全柔性的替代方案。然而，傳統的製造方法（如複製成型）不僅耗時費力（約27小時），且容易出錯。本研究探討使用熔融沉積成型（FDM） 3D列印技術，作為一種快速、經濟且自動化的方法，用於製造核心的流體邏輯元件——特別是軟體雙穩態閥門——旨在普及軟體機器人控制所需的流體電路製造技術。
27小時 → 3小時
製造時間縮減
桌面型FDM
易於取得的製造平台
雙穩態閥門
核心邏輯/記憶元件
2. 核心技術與方法論
2.1 軟體雙穩態閥門
軟體雙穩態閥門是基礎的建構單元。它由一個圓柱形主體構成，中間由一個會產生突跳（snapping）行為的半球形薄膜分隔。該閥門具有兩種穩定狀態（因此稱為「雙穩態」），可透過臨界壓力脈衝進行切換。此行為使其能作為記憶元件（儲存1位元），或作為建構邏輯閘（NOT、AND、OR）以及更複雜電路（如移位暫存器、環形振盪器）的核心元件。
2.2 FDM列印製程
閥門是使用熱塑性聚氨酯（TPU）線材，在標準桌面型FDM印表機上以單一、一體成型的方式列印而成。關鍵創新在於其列印策略，能夠在無需後續組裝的情況下，直接製造出氣密且功能正常的流體通道與腔室。這利用了類似「尤拉路徑列印」的概念來創造密封的內部體積。
2.3 客製化管線噴嘴
一項重要的硬體貢獻是引入了一種新型列印噴嘴，專門設計用於直接擠出管線。這使得連接埠和通道能夠整合列印，相較於手動連接獨立管線，進一步簡化了製造流程並提高了介面可靠性。
3. 實驗結果與效能
3.1 製造時間比較
主要的量化成果是製造時間的大幅縮短。如圖1所示，製造一個軟體雙穩態閥門的時間，從使用傳統複製成型所需的約27小時，降至使用所述FDM製程僅需3小時。這代表減少了89%的時間，將製造過程從一個需要數天、依賴熟練技術的工藝，轉變為一天內即可完成的自動化流程。
3.2 閥門功能與測試
圖2詳細說明了閥門的設計與操作。CAD圖（圖2B）顯示了影響穩定性的關鍵參數（例如薄膜厚度、腔室直徑）。研究人員成功展示了閥門在列印後的雙穩態突跳行為。3D列印的閥門功能符合預期，能透過施加壓力切換狀態，並作為流體繼電器使用，驗證了此方法的可列印性與功能性。
4. 技術分析與框架
4.1 分析洞見與評論
核心洞見：
這篇論文的重點並非提出新的閥門設計，而是一項具有深遠普及化意義的製造技巧。真正的突破在於證明，複雜、氣密、由壓力驅動的軟體機構，能夠可靠地透過一台價值300美元的印表機從數位檔案「編譯」出來，從而繞過了長期困擾軟體機器人學的、依賴手工藝的瓶頸。
邏輯脈絡：
其論點極具說服力：1) 軟體機器人需要完全柔性的控制（流體邏輯）。2) 流體邏輯存在但難以製造。3) 3D列印承諾自動化，但通常需要特殊且昂貴的設備。4) 本文展示了如何利用最普及的3D列印技術（FDM/TPU）來實現，並透過客製化噴嘴解決了管線介面問題——這正是整合式製造中典型的「最後一哩路」難題。
優勢與缺陷：
優勢： 89%的時間縮減是一個關鍵指標。它將領域的焦點從「我們能做出一個嗎？」轉移到「我們能迭代多少個電路？」。這與催生桌面型3D列印的快速原型製作精神相符。關鍵缺陷： 論文明顯未提及長期性能。TPU在循環壓力下容易產生潛變和疲勞。與模製的矽膠閥門相比，這種列印閥門能承受多少次驅動循環？這個耐用性問題是實際部署時無法迴避的關鍵。
可行建議：
給研究人員：停止預設使用模製方法。此FDM方法現在應成為流體邏輯原型製作的新基準。給產業界：這是一項橋接技術。應投資開發更具彈性、更耐疲勞的FDM線材（例如基於PEBA材料的線材進展），以彌補耐用性差距。商業化的路徑不僅在於設計，同樣在於材料科學。
4.2 數學建模
半球形薄膜的突跳行為受非線性彈性和殼體屈曲理論支配。臨界切換壓力（$P_{crit}$）的簡化模型可將其與材料和幾何特性關聯起來：
$P_{crit} \propto \frac{E \cdot t^3}{R^3 \sqrt{1 - \nu^2}}$
其中 $E$ 是TPU的楊氏模數，$t$ 是薄膜厚度，$R$ 是曲率半徑，$\nu$ 是泊松比。這突顯出影響局部厚度 $t$ 和有效模數 $E$ 的列印參數（層高、填充率）對於閥門性能的一致性至關重要，而這正是各向異性的FDM零件所面臨的挑戰。
4.3 分析框架範例
案例：評估一個列印的NOT閘（反相器）
一個流體NOT閘可以使用雙穩態閥門建構。在系統內分析其性能時：
- 參數擷取： 從列印出的閥門，使用壓力感測器量測實際的 $P_{crit}^{ON\to OFF}$ 和 $P_{crit}^{OFF\to ON}$。由於列印瑕疵，這兩者會有所不同。
- 訊號傳播模型： 將閘極建模為一個函數：$Output_{state}(t+\Delta t) = f(Input_{pressure}(t), Current_{state}(t), P_{crit})$。延遲 $\Delta t$ 包括流體傳輸時間和閥門的機械響應時間。
- 雜訊邊際分析： 定義一個壓力「雜訊邊際」——即輸入壓力低於 $P_{crit}$ 且保證不會發生錯誤切換的範圍。由於FDM閥門的參數變異性較高，此邊際可能比模製閥門更小。
- 級聯分析： 模擬連接多個此類閘極。個別 $P_{crit}$ 的變異性將是系統級故障的主要原因，這可為列印製程的品質控制公差提供指引。
5. 未來應用與方向
易於取得的流體電路列印技術具有廣泛的應用前景：
- 嵌入式、可拋棄式控制： 在一次列印作業中，列印出整合了控制電路的完整軟體機器人。想像一下，一款搜救機器人便宜到可以作為一次性用品。
- 生醫裝置： 按需列印客製化的流體控制器，用於可穿戴復健裝置或藥物輸送幫浦，利用某些TPU材料的生物相容性。
- 教育套件： 大幅降低用於教授流體計算和軟體機器人學原理的硬體成本與複雜度，如同MIT的「流體動力」套件所設想的願景，但成本僅為其一小部分。
- 未來研究方向： 1) 多材料FDM： 列印具有剛性端蓋和柔性薄膜的閥門。2) 閉迴路控制： 整合列印的壓力感測器以實現回饋控制。3) 演算法設計工具： 能自動將邏輯示意圖轉換為優化、可列印的FDM模型的軟體，類似於電子設計自動化（EDA）工具。
6. 參考文獻
- Rus, D., & Tolley, M. T. (2015). Design, fabrication and control of soft robots. Nature, 521(7553), 467-475.
- Wehner, M., et al. (2016). An integrated design and fabrication strategy for entirely soft, autonomous robots. Nature, 536(7617), 451-455.
- Rich, S. I., Wood, R. J., & Majidi, C. (2018). Untethered soft robotics. Nature Electronics, 1(2), 102-112.
- Mosadegh, B., et al. (2014). Pneumatic networks for soft robotics that actuate rapidly. Advanced Functional Materials, 24(15), 2163-2170.
- Bishop-Moser, J., & Kota, S. (2015). Design and modeling of generalized fiber-reinforced pneumatic soft actuators. IEEE Transactions on Robotics, 31(3), 536-545.
- Rothemund, P., et al. (2018). A soft, bistable valve for autonomous control of soft actuators. Science Robotics, 3(16), eaar7986.
- Nemitz, M. P., et al. (2020). Using bistable valves to enable programmable, pneumatic soft robots. IEEE Robotics and Automation Letters, 5(2), 2224-2231.
- Preston, D. J., et al. (2019). Digital logic for soft devices. Proceedings of the National Academy of Sciences, 116(16), 7750-7759.
- Yap, H. K., et al. (2016). A fully fabric-based bidirectional soft robotic glove for assistance and rehabilitation. IEEE International Conference on Robotics and Automation (ICRA).
- Ilievski, F., et al. (2011). Soft robotics for chemists. Angewandte Chemie International Edition, 50(8), 1890-1895.
- Zhu, M., et al. (2020). Encoding and programming of soft matter for computation. Advanced Materials, 32(35), 2003392.
- MIT Computer Science and Artificial Intelligence Laboratory (CSAIL). (2023). Fluidic Computation. Retrieved from MIT CSAIL website.
- Nature Portfolio: Soft Robotics. (2023). Materials and Manufacturing for Soft Robotics. Retrieved from Nature.com.