रोबोटिक्स और भौतिक एआई
वैज्ञानिकों ने रोबोटों में अत्यधिक उंगली संवेदनशीलता लाई
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
मैक्स प्लैंक इंस्टीट्यूट फॉर इंटेलिजेंट सिस्टम्स (MPI-IS) में वैज्ञानिकों की एक टीम ने एक मजबूत नरम हैप्टिक सेंसर पेश किया है जो कंप्यूटर विजन और एक गहरे तंत्रिका नेटवर्क पर निर्भर करता है ताकि यह अनुमान लगाया जा सके कि वस्तुएं सेंसर के साथ कहां संपर्क में आती हैं। यह अनुमान लगा सकता है कि कितनी बड़ी बल लागू की जाती हैं।
नई अनुसंधान, जो नेचर मशीन इंटेलिजेंस में प्रकाशित हुआ है, रोबोटों को मनुष्यों और जानवरों की तरह अपने वातावरण को सटीक रूप से महसूस करने में मदद करेगा।
हड्डी के साथ अंगूठे के आकार का सेंसर
सेंसर अंगूठे के आकार का है और एक नरम खोल से बना है जो एक हल्के स्केलेटन के चारों ओर बना है। स्केलेटन हड्डियों की तरह काम करता है ताकि नरम उंगली के ऊतकों को स्थिर किया जा सके, और यह एक एलास्टोमर से बना है जिसमें प्रतिबिंबित एल्युमिनियम फ्लेक्स मिले हुए हैं। इससे एक ग्रे रंग बनता है जो बाहरी प्रकाश को प्रवेश करने से रोकता है। उंगली के अंदर एक 160-डिग्री फिश-आई कैमरा है जो एलईडी द्वारा रोशन रंगीन छवियों को रिकॉर्ड करता है।
सेंसर के खोल को छूने वाली वस्तु के आधार पर सेंसर के अंदर रंग पैटर्न की उपस्थिति बदलती है, और कैमरा तेजी से छवियों को रिकॉर्ड करता है और गहरे तंत्रिका नेटवर्क को डेटा फीड करता है।
प्रत्येक पिक्सेल में प्रत्येक पिक्सेल में प्रकाश में थोड़ा बदलाव अल्गोरिदम द्वारा पता लगाया जाता है, और एक सेकंड के भीतर, मशीन-लर्निंग मॉडल यह मैप करता है कि उंगली किस वस्तु के साथ संपर्क में आ रही है। यह बल की ताकत और बल की दिशा का भी निर्धारण करता है।
जॉर्ज मार्टियस एमपीआई-आईएस में मैक्स प्लैंक रिसर्च ग्रुप लीडर हैं और स्वायत्त लर्निंग ग्रुप के प्रमुख हैं।
“हमने शेल के नवाचारी यांत्रिक डिजाइन, अंदरूनी इमेजिंग सिस्टम, स्वचालित डेटा संग्रह, और कटिंग-एज डीप लर्निंग के माध्यम से उत्कृष्ट संवेदनशीलता प्रदर्शन हासिल किया,” मार्टियस कहते हैं।
हुआनबो सुन मार्टियस के पीएचडी छात्र हैं।
“हमारी विशिष्ट हाइब्रिड संरचना, जिसमें एक नरम खोल एक सख्त स्केलेटन को घेरता है, उच्च संवेदनशीलता और मजबूती सुनिश्चित करती है। हमारा कैमरा सतह की सबसे छोटी विकृति का पता लगा सकता है, एक ही छवि से,” सुन कहते हैं।
एमपीआई-आईएस में हैप्टिक इंटेलिजेंस विभाग के निदेशक कैथरीन जे कुचेनबेकर के अनुसार, नए सेंसर बहुत उपयोगी साबित होंगे।
“पिछले नरम हैप्टिक सेंसरों में केवल छोटे संवेदन क्षेत्र थे, वे नाजुक और बनाने में मुश्किल थे, और अक्सर त्वचा के समानांतर बलों को महसूस नहीं कर सकते थे, जो रोबोटिक हेरफेर जैसे पानी का गिलास पकड़ने या सिक्के को एक टेबल पर फिसलाने के लिए आवश्यक हैं,” कुचेनबेकर कहते हैं।
सेंसर को सिखाना
सेंसर को सिखाने के लिए, सुन ने एक टेस्टबेड विकसित किया जो मशीन-लर्निंग मॉडल को सिखाने के लिए प्रशिक्षण डेटा उत्पन्न करता है। यह डेटा मॉडल को कच्चे छवि पिक्सेल में परिवर्तन और लागू बलों के बीच संबंध को समझने में मदद करता है। टेस्टबेड ने सेंसर की सतह के चारों ओर लगभग 200,000 माप उत्पन्न किए, और मॉडल को एक दिन में प्रशिक्षित किया गया।
“हमारे द्वारा प्रस्तुत किए गए हार्डवेयर और सॉफ्टवेयर डिजाइन को विभिन्न आकारों और सटीकता आवश्यकताओं वाले विभिन्न रोबोट भागों में स्थानांतरित किया जा सकता है। मशीन-लर्निंग आर्किटेक्चर, प्रशिक्षण, और अनुमान प्रक्रिया सभी सामान्य हैं और कई अन्य सेंसर डिजाइनों पर लागू की जा सकती हैं,” हुआनबो सुन कहते हैं।
