Հետազոտողները հպման զգացողություն են հաղորդում ռոբոտի մատին

Columbia Engineering-ի հետազոտողները բերել են նոր մշակված ռոբոտային մատի շոշափման զգացողություն. Այն ի վիճակի է տեղայնացնել հպումը չափազանց բարձր ճշգրտությամբ մեծ, բազմաշերտ մակերեսների վրա: Նոր զարգացումը ռոբոտաշինությունը մեկ քայլ ավելի մոտ է դարձնում մարդուն նման կարգավիճակի հասնելուն: 

Մատեյ Չիոկարլին մեքենաշինության և համակարգչային գիտության ամբիոնների դոցենտ է: Ciocarlie-ն ղեկավարել է հետազոտությունը՝ համագործակցելով էլեկտրատեխնիկայի պրոֆեսոր Իոանիս (Ջոն) Կիմիսսիսի հետ: 

«Շոշափելի սենսորների և լիովին ինտեգրված շոշափելի մատների միջև վաղուց անջրպետ կա. շոշափելի զգայությունը դեռ հեռու է ռոբոտային մանիպուլյացիաներում ամենուր տարածված լինելուց», - ասում է Ciocarlie-ն: «Այս հոդվածում մենք ցուցադրել ենք բազմաշերտ ռոբոտային մատ՝ հպման ճշգրիտ տեղայնացումով և բարդ 3D մակերեսների վրա նորմալ ուժի հայտնաբերմամբ»:

Ներկայիս մեթոդները, որոնք օգտագործվում են հպման սենսորները ռոբոտի մատների մեջ ինտեգրելու համար, բախվում են բազմաթիվ մարտահրավերների: Դժվար է ծածկել բազմաոլոր մակերեսները, առկա է մետաղալարերի մեծ քանակություն և տվիչները փոքր մատների ծայրերում տեղադրելու դժվարություն, ինչը թույլ չի տալիս օգտագործել ճարպիկ ձեռքերում: Կոլումբիայի ինժեներական թիմը հաղթահարել է այս մարտահրավերները՝ մշակելով նոր մոտեցում. նրանք օգտագործել են լույսի արտանետիչների և ընդունիչների համընկնող ազդանշանները, որոնք ներկառուցված են թափանցիկ ալիքատար շերտում, որը ծածկում է մատի ֆունկցիոնալ տարածքները: 

Թիմը կարողացավ ստանալ ազդանշանային տվյալների հավաքածու, որը փոխվում է ի պատասխան հպման հետևանքով մատի դեֆորմացման: Նրանք դա արեցին՝ չափելով լույսի փոխադրումը յուրաքանչյուր թողարկողի և ընդունողի միջև: Օգտակար տեղեկությունները, ինչպիսիք են շփման գտնվելու վայրը և կիրառված նորմալ ուժը, այնուհետև դուրս են բերվել տվյալներից տվյալների վրա հիմնված խորը ուսուցման մեթոդների կիրառմամբ: Թիմը կարողացավ դա անել առանց վերլուծական մոդելների օգտագործման: 

Այս մեթոդի միջոցով հետազոտական ​​թիմը մշակել է լիովին ինտեգրված, զգայական ռոբոտի մատ, որն ունի մետաղալարերի ցածր քանակ: Այն կառուցվել է արտադրության մատչելի մեթոդների կիրառմամբ և կարող է հեշտությամբ ինտեգրվել ճարպիկ ձեռքերում: 

Հետազոտությունը հրապարակվել է առցանց IEEE/ASME գործարքներ մեխատրոնիկայի վրա. 

Նախագծի առաջին մասը լույսի օգտագործումն էր՝ շոշափելու համար: Մատի «մաշկի» տակ թափանցիկ սիլիկոնե շերտ կա, և թիմը լույս է սփռել դրա մեջ ավելի քան 30 LED-ներից: Մատը նաև ունի ավելի քան 30 ֆոտոդիոդ, որոնք պատասխանատու են լույսի ցատկումը չափելու համար: Հենց մատը շփվում է ինչ-որ բանի հետ, մաշկը դեֆորմացվում է, և լույսը շարժվում է մաշկի տակ գտնվող թափանցիկ շերտով: Հետազոտողները այնուհետև չափում են, թե որքան լույս է անցնում յուրաքանչյուր LED-ից յուրաքանչյուր դիոդ՝ մոտ 1,000 ազդանշան ստանալու համար: Այդ ազդանշաններից յուրաքանչյուրը պարունակում է տեղեկատվություն կատարված շփման մասին:

«Մարդու մատը տալիս է աներևակայելի հարուստ կոնտակտային տվյալներ՝ ավելի քան 400 փոքրիկ հպման սենսորներ մաշկի յուրաքանչյուր քառակուսի սանտիմետրում»: ասում է Կիոկարլին։ «Դա այն մոդելն էր, որը մեզ դրդեց փորձել և հնարավորինս շատ տվյալներ ստանալ մեր մատից: Կարևոր էր վստահ լինել, որ մատի բոլոր կողմերի բոլոր կոնտակտները ծածկված են. մենք, ըստ էության, կառուցել ենք շոշափելի ռոբոտի մատ, առանց կույր կետերի»:

Ծրագրի երկրորդ մասը մեքենայական ուսուցման ալգորիթմներով մշակվող տվյալները մշակող թիմն էր: Տվյալները չափազանց բարդ են և չեն կարող մեկնաբանվել մարդկանց կողմից: Այնուամենայնիվ, մեքենայական ուսուցման ներկայիս տեխնիկան կարող է սովորել կորզել կոնկրետ տեղեկատվություն, օրինակ, թե որտեղ են դիպչում մատին, ինչն է դիպչում մատին և որքան ուժ է գործադրվում: 

«Մեր արդյունքները ցույց են տալիս, որ խորը նեյրոնային ցանցը կարող է շատ բարձր ճշգրտությամբ հանել այս տեղեկատվությունը», - ասում է Կիմիսիսը: «Մեր սարքը իսկապես շոշափելի մատ է, որը նախագծվել է հենց սկզբից՝ AI ալգորիթմների հետ համատեղ օգտագործելու համար»:

Թիմը նաև նախագծել է մատն այնպես, որ այն հնարավոր լինի օգտագործել ռոբոտ ձեռքերի վրա: Մատը ի վիճակի է հավաքել մոտ 1,000 ազդանշան, սակայն դրա համար անհրաժեշտ է միայն մեկ 14 մետաղալարով մալուխ, որը միացնում է այն ձեռքին: Չկան նաև բարդ էլեկտրոնիկա, որն անհրաժեշտ է դրա գործարկման համար: 

Թիմը ներկայումս ունի երկու ճարպիկ ձեռքեր, որոնք ինտեգրվում են մատների հետ, և նրանք կփորձեն օգտագործել ձեռքերը՝ ցուցադրելու ճարտար մանիպուլյացիայի կարողությունները:

«Ռոբոտի ճարտար մանիպուլյացիա այժմ անհրաժեշտ է այնպիսի ոլորտներում, ինչպիսիք են արտադրությունը և լոգիստիկան, և այն տեխնոլոգիաներից մեկն է, որն ավելի երկարաժամկետ հեռանկարում անհրաժեշտ է այլ ոլորտներում անձնական ռոբոտային օգնությունը հնարավորություն տալու համար, ինչպիսիք են առողջապահությունը կամ սպասարկման տիրույթները», - ասում է Ciocarlie-ն: