Uma nova geração de materiais para impressão 3D pode deixar robôs muito mais parecidos com estruturas biológicas. Em vez de produzir apenas peças rígidas, pesquisadores conseguiram desenvolver um material com comportamento semelhante ao da borracha, capaz de assumir formas complexas e ser esticado para além de seis vezes seu comprimento original.
O resultado foi possível graças à combinação entre inteligência artificial, ciência dos materiais e impressão 3D. Para demonstrar o potencial da tecnologia, os pesquisadores produziram uma mão robótica macia que conseguiu manipular objetos tão diferentes quanto ovos, garrafas de vidro e uma garrafa de água de 1 kg.
O desafio estava entre ser imprimível e ser elástico
A impressão 3D por processamento digital de luz, conhecido como DLP, utiliza luz para transformar uma resina líquida em uma estrutura sólida com o formato desejado.
Porém, existe um problema importante. Materiais muito flexíveis e resistentes costumam apresentar maior viscosidade. Isso dificulta o fluxo da resina e pode comprometer a própria impressão.
Por outro lado, reduzir a viscosidade para facilitar a fabricação pode resultar em um produto menos elástico e resistente.
Siga o canal do Fala Ciência no WhatsApp para receber nossos conteúdos em primeira mão!
Entrar no Canal do WhatsAppFoi justamente esse equilíbrio que a equipe tentou solucionar.
A inteligência artificial procurou a combinação ideal
Em vez de testar manualmente uma quantidade enorme de formulações, os pesquisadores criaram uma estratégia baseada em aprendizado de máquina.
Primeiro, diferentes combinações de materiais foram preparadas e avaliadas. Os cientistas observaram características como:
- viscosidade e capacidade de fluxo;
- velocidade de endurecimento quando expostas à luz;
- resistência mecânica;
- capacidade de alongamento.
Um detalhe importante foi incluir na análise também formulações que apresentavam dificuldade para impressão. Dessa maneira, o sistema de inteligência artificial recebeu informações sobre uma faixa muito maior de propriedades dos materiais.
A partir desses dados, o modelo conseguiu apontar uma composição que apresentava simultaneamente boa capacidade de impressão e elevada elasticidade.
Depois, a formulação indicada pela IA foi testada em uma impressora 3D DLP. O material conseguiu ser fabricado em estruturas complexas e apresentou grande capacidade de deformação sem se romper facilmente.
A tecnologia ganhou movimento com uma mão robótica
Para descobrir se o material funcionaria fora dos testes laboratoriais, os pesquisadores produziram um atuador flexível.
Esse tipo de componente pode utilizar pressão de ar para produzir movimentos. Quando inflado, o dispositivo desenvolvido pela equipe se expandia e se curvava de maneira semelhante ao movimento de um dedo.
Vários desses atuadores foram combinados para formar uma mão robótica macia.
O resultado chama atenção porque a estrutura conseguiu lidar com objetos que exigem níveis diferentes de força. A mão manipulou ovos frágeis, garrafas de vidro, uma caixa de ovos e até uma garrafa de água de aproximadamente 1 kg.
Uma tecnologia que pode ir além dos robôs
A descoberta não está limitada à robótica. Materiais com essa combinação de flexibilidade, resistência e capacidade de impressão podem ser úteis em diferentes áreas.
Entre as possibilidades estão:
- robôs macios, capazes de interagir fisicamente com pessoas;
- dispositivos vestíveis que acompanham melhor os movimentos do corpo;
- componentes personalizados para aplicações médicas;
- estruturas impressas com formatos complexos e propriedades mecânicas específicas.
Além disso, existe uma vantagem importante na utilização da inteligência artificial. Em vez de depender exclusivamente de sucessivas tentativas experimentais, pesquisadores podem usar modelos computacionais para selecionar formulações promissoras antes dos testes físicos.
Isso pode reduzir o número de experimentos necessários e acelerar a busca por novos materiais.
Veja também:
O estudo científico por trás da tecnologia
A pesquisa foi publicada na revista Nature Communications em 4 de junho de 2026. O primeiro autor é Younghan Song, com participação de pesquisadores do KAIST, KIST e Seoul National University of Science and Technology.
O trabalho, intitulado Machine learning guided formulation design of digital light processing printable elastomers beyond viscosity stretchability tradeoff, apresenta justamente a estratégia de aprendizado de máquina utilizada para superar o conflito entre facilidade de impressão e capacidade de alongamento.
