Ρομποτική και φυσική AI

Ερευνητές Προσθέτουν Αίσθηση Αφής σε Ρομποτικό Δάχτυλο

mm
Προσθέστε το Unite.AI στις προτιμώμενες πηγές σας στο Google

Ερευνητές στο Columbia Engineering έχουν προσθέσει αίσθηση αφής σε ένα νεοαναπτυγμένο ρομποτικό δάχτυλο. Αυτό μπορεί να τοποθετήσει την αφή με εξαιρετικά υψηλή ακρίβεια σε μεγάλες, πολυκυρτές επιφάνειες. Η νέα ανάπτυξη φέρνει τη ρομποτική ένα βήμα πιο κοντά στη επίτευξη ανθρώπινου επιπέδου.

Ο Matei Ciocarlie είναι αναπληρωτής καθηγητής στα τμήματα μηχανολογικής μηχανικής και επιστήμης υπολογιστών. Ο Ciocarlie ηγήθηκε της έρευνας σε συνεργασία με τον καθηγητή Ηλεκτρολογικής Μηχανικής Ioannis (John) Kymissis.

«Υπήρχε για πολύ καιρό ένα κενό μεταξύ αυτόνομων αισθητήρων αφής και πλήρως ολοκληρωμένων αισθητήρων δακτυλίων — η αίσθηση αφής είναι ακόμη πολύ μακριά από την πανταχού παρούσα στη ρομποτική χειρισμό», λέει ο Ciocarlie. «Σε αυτό το έγγραφο, έχουμε δείξει ένα πολυκυρτό ρομποτικό δάχτυλο με ακριβή τοποθέτηση αφής και ανίχνευση κανονικής δύναμης σε σύνθετες τρισδιάστατες επιφάνειες».

Οι τρέχουσες μεθόδοι που χρησιμοποιούνται για την ενσωμάτωση αισθητήρων αφής σε δακτυλίους ρομποτ αντιμετωπίζουν πολλές προκλήσεις. Είναι δύσκολο να καλυφθούν πολυκυρτές επιφάνειες, υπάρχει υψηλός αριθμός καλωδίων και δυσκολία στο να ταιριάζουν οι αισθητήρες σε μικρά δάχτυλα, τα οποία εμποδίζουν τη χρήση σε δεξιοτεχνικούς χέρια. Η ομάδα του Columbia Engineering ξεπέρασε αυτές τις προκλήσεις αναπτύσσοντας μια νέα προσέγγιση: χρησιμοποίησαν перекrýοντας σήματα από εκπομπείς φωτός και δέκτες που είναι ενσωματωμένοι σε ένα διαφανές στρώμα οδηγού κυμάτων που καλύπτει τις λειτουργικές περιοχές του δακτυλίου.

Η ομάδα ήταν σε θέση να λάβει ένα σύνολο δεδομένων σήματος που αλλάζει σε απάντηση της παραμόρφωσης του δακτυλίου λόγω αφής. Αυτό το έκαναν μετρώντας τη μεταφορά φωτός μεταξύ κάθε εκπομπέα και δέκτη. Χρήσιμη πληροφορία, όπως η τοποθεσία επαφής και η εφαρμοζόμενη κανονική δύναμη, εξήχθη από τα δεδομένα μέσω της χρήσης μεθόδων βαθιάς μάθησης που βασίζονται σε δεδομένα. Η ομάδα ήταν σε θέση να το κάνει αυτό χωρίς τη χρήση αναλυτικών μοντέλων.

Μέσω αυτής της μεθόδου, η ερευνητική ομάδα ανέπτυξε ένα πλήρως ολοκληρωμένο, αισθητήρα δάχτυλο ρομποτ που έχει χαμηλό αριθμό καλωδίων. Χτίστηκε μέσω της χρήσης προσιτών μεθόδων κατασκευής και μπορεί να ενσωματωθεί εύκολα σε δεξιοτεχνικούς χέρια.

Η μελέτη δημοσιεύθηκεออนไลนε στο IEEE/ASME Transactions on Mechatronics.

Το πρώτο μέρος του έργου ήταν η χρήση του φωτός για να αισθανθεί η αφή. Υπάρχει ένα στρώμα διαφανούς σιλικόνης κάτω από το «δέρμα» του δακτυλίου, και η ομάδα έστειλε φως σε αυτό από περισσότερα από 30 LEDs. Το δάχτυλο έχει επίσης πάνω από 30 φωτοδιόδους που είναι υπεύθυνες για τη μέτρηση του πώς το φως ανακλά γύρω. Όταν το δάχτυλο έρχεται σε επαφή με κάτι, το δέρμα παραμορφώνεται και το φως κινείται στο διαφανές στρώμα κάτω από το δέρμα. Οι ερευνητές μετρούν τότε πόσο φως πάει από κάθε LED σε κάθε διόδιο για να λάβουν περίπου 1.000 σήματα. Κάθε ένα από αυτά τα σήματα περιέχει πληροφορίες για την επαφή.

«Το ανθρώπινο δάχτυλο παρέχει απίστευτα πλούσιες πληροφορίες επαφής — περισσότερες από 400 μικρές αισθητήρες αφής σε κάθε τετραγωνικό εκατοστό δέρματος!» λέει ο Ciocarlie. «Αυτό ήταν το μοντέλο που μας ώθησε να προσπαθήσουμε να πάρουμε όσο το δυνατόν περισσότερες πληροφορίες από το δάχτυλό μας. Ήταν κρίσιμο να βεβαιωθούμε ότι όλες οι επαφές σε όλες τις πλευρές του δακτυλίου καλύπτονταν — ουσιαστικά χτίστηκε ένα τακτيلικό ρομποτικό δάχτυλο χωρίς τυφλές πλευρές».

Το δεύτερο μέρος του έργου ήταν η ομάδα να σχεδιάσει τα δεδομένα να επεξεργαστούν από αλγορίθμους μάθησης με μηχανή. Τα δεδομένα είναι εξαιρετικά σύνθετα και δεν μπορούν να ερμηνευτούν από ανθρώπους. Ωστόσο, οι τρέχουσες τεχνικές μάθησης με μηχανή μπορούν να μάθουν να εξάγουν συγκεκριμένες πληροφορίες, όπως πού το δάχτυλο αγγίζεται, τι αγγίζει το δάχτυλο και πόση δύναμη εφαρμόζεται.

«Τα αποτελέσματά μας δείχνουν ότι ένα βαθύ νευρωνικό δίκτυο μπορεί να εξάγει αυτή την πληροφορία με πολύ υψηλή ακρίβεια», λέει ο Kymissis. «Η συσκευή μας είναι πραγματικά ένα τακτيلικό δάχτυλο που σχεδιάστηκε από την αρχή για να χρησιμοποιηθεί σε συνδυασμό με αλγορίθμους AI».

Η ομάδα σχεδιάσε επίσης το δάχτυλο ώστε να μπορεί να χρησιμοποιηθεί σε ρομποτικά χέρια. Το δάχτυλο μπορεί να συλλέξει σχεδόν 1.000 σήματα, αλλά απαιτεί μόνο ένα 14-καλωδιακό καλώδιο που το συνδέει με το χέρι. Δεν υπάρχουν επίσης σύνθετα ηλεκτρονικά εκτός του χεριού που απαιτούνται για τη λειτουργία του.

Η ομάδα έχει目前 δύο δεξιοτεχνικούς χέρια που ενσωματώνουν τα δάχτυλα, και θα προσπαθήσουν να χρησιμοποιήσουν τα χέρια για να δείξουν δεξιοτεχνικές ικανότητες χειρισμού.

«Η δεξιοτεχνική ρομποτική χειρισμός είναι απαραίτητη τώρα σε τομείς όπως η производство και η λογιστική, και είναι μια από τις τεχνολογίες που, σε μακροπρόθεσμο ορίζοντα, απαιτούνται για να ενεργοποιηθεί η προσωπική ρομποτική βοήθεια σε άλλους τομείς, όπως η υγεία ή οι υπηρεσίες», λέει ο Ciocarlie.

Ο Alex McFarland είναι δημοσιογράφος και συγγραφέας του AI που εξερευνά τις τελευταίες εξελίξεις στην τεχνητή νοημοσύνη. Έχει συνεργαστεί με πολλές startups και εκδόσεις του AI σε όλο τον κόσμο.