रोबोटिक्स
वैज्ञानिक रोबोट्स में अत्यधिक उंगली संवेदनशीलता लाते हैं
मैक्स प्लांक इंस्टीट्यूट फॉर इंटेलिजेंट सिस्टम्स (MPI-IS) में वैज्ञानिकों की एक टीम ने एक मजबूत सॉफ्ट हैप्टिक सेंसर पेश किया है जो सेंसर के साथ वस्तुओं के संपर्क में आने के बिंदु का अनुमान लगाने और लागू बलों के आकार का अनुमान लगाने के लिए कंप्यूटर विजन और एक गहरे तंत्रिका नेटवर्क पर निर्भर करता है।
नई अनुसंधान, जो नेचर मशीन इंटेलिजेंस में प्रकाशित हुई है, रोबोट्स को मनुष्यों और जानवरों की तरह अपने पर्यावरण को सटीक रूप से महसूस करने में मदद करेगी।
अंगूठे के आकार का सेंसर स्केलेटन के साथ
सेंसर अंगूठे के आकार का है और एक हल्के स्केलेटन के चारों ओर बने एक नरम खोल से बना है। स्केलेटन हड्डियों की तरह कार्य 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। यह एक ग्रे रंग बनाता 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 शेल 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 प्रकाश में थोड़ा सा बदलाव एल्गोरिदम द्वारा पता लगाया जाता है, और एक सेकंड के एक अंश के भीतर, मशीन-लर्निंग मॉडल यह मैप करता है कि उंगली वस्तु के साथ कहां से संपर्क में आ रही है। यह बलों की ताकत और बल दिशा का भी निर्धारण करता है।
जॉर्ज मार्टियस एमपीआई-आईएस में मैक्स प्लांक रिसर्च ग्रुप लीडर हैं और स्वायत्त लर्निंग ग्रुप के प्रमुख हैं।
“हमने शेल के नवाचारी यांत्रिक डिजाइन, अंदरूनी इमेजिंग सिस्टम, स्वचालित डेटा संग्रह और अत्याधुनिक गहरे शिक्षण के माध्यम से उत्कृष्ट संवेदनशीलता प्रदर्शन हासिल किया है,” मार्टियस कहते हैं।
हुआनबो सन मार्टियस के पीएचडी छात्र हैं।
“हमारी विशिष्ट हाइब्रिड संरचना एक नरम खोल को एक सख्त स्केलेटन में बंद करके उच्च संवेदनशीलता और मजबूती सुनिश्चित करती है। हमारा कैमरा एक ही छवि से सतह के भी हल्के विकृतियों का पता लगा सकता है,” सन कहते हैं।
एमपीआई-आईएस में हैप्टिक इंटेलिजेंस विभाग के निदेशक कैथरीन जे कुचेनबेकर के अनुसार, नए सेंसर बहुत उपयोगी साबित होंगे।
“पिछले सॉफ्ट हैप्टिक सेंसर्स में केवल छोटे सेंसिंग क्षेत्र थे, वे नाजुक और बनाने में मुश्किल थे, और अक्सर त्वचा के समानांतर बलों को महसूस नहीं कर सकते थे, जो रोबोटिक मैनिपुलेशन जैसे पानी का गिलास पकड़ने या एक सिक्के को एक टेबल पर फिसलाने के लिए आवश्यक होते हैं,” कुचेनबेकर कहते हैं।
सेंसर को सीखने के लिए प्रशिक्षित करना
सेंसर को सीखने के लिए, सन ने एक टेस्टबेड विकसित किया जो मशीन-लर्निंग मॉडल को सीखने 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 द्वारा सेंसर की सतह के चारों ओर लगभग 200,000 माप उत्पन्न किए गए, 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 सन कहते हैं।
