Connect with us

Robotikk

Banebrytende biomimetiske luktechiper bruker AI for å enable roboter til å lukte

mm

Utviklingen av kunstige luktesensorer har vært en langvarig utfordring for forskere over hele verden. Å lage elektroniske nese (e-nese) som kan effektivt skille komplekse luktblandinger, liknende det biologiske luktesystemet, har vist seg å være vanskelig på grunn av problemer med miniaturisering og gjenkjennelseskapasiteter. Men, et forskningsteam ledet av Prof. FAN Zhiyong fra Hong Kong University of Science and Technology (HKUST) har gjort et betydelig gjennombrudd i dette feltet med deres nyutviklede biomimetiske luktechiper (BOC).

Biomimetiske luktechiper (BOC)

De biomimetiske luktechipene, eller BOC, utviklet av Prof. Fans team er en banebrytende oppfinnelse i feltet kunstig luktedeteksjon. Disse små chipene er designet for å etterligne måten mennesker og dyr detekterer lukter, noe som gjør dem mer nøyaktige og effektive enn tidligere kunstige luktesystemer.
Hver BOC inneholder opptil 10 000 små gassensorer, som er arrangeret på en måte som ligner på det biologiske luktesystemet. Denne unike designen gjør at chipen kan detektere og skille mellom en rekke ulike lukter, selv når de er blandet sammen i komplekse kombinasjoner.
En av de viktigste egenskapene ved BOC er bruken av en spesiell materialekomposisjon som varierer over chipen. Denne gradientdesignen gjør det mulig å integrere mange ulike typer sensorer på en enkelt chip, noe som gjør det mulig å detektere et bredt spekter av lukter samtidig som chipen holdes liten og kompakt.
Gassensorene som brukes i BOC er usedvanlig følsomme og kan detektere selv de minste spor av ulike gasser og flyktige organiske forbindelser (VOC). Disse sensorene er bygget på en substrat med små porer, som gir en stor overflate for gassene å interagere med, og forbedrer chipens følsomhet og responstid.
Ved å kombinere denne avanserte sensorteknologien med kunstig intelligensalgoritmer, kan BOC prosessere og tolke data fra gassensorene, noe som gjør det mulig å identifisere og skille mellom ulike lukter med merkelig nøyaktighet.

Image: HKUST

Overvinning av utfordringer i kunstig luktedeteksjon

Utvikling av kunstige luktesystemer har vært en utfordrende oppgave for forskere på grunn av flere nøkkelhinder. En av de primære vanskelighetene har vært miniaturisering av systemet samtidig som effektiviteten opprettholdes. Tradisjonelle e-nese krever ofte bulkeutstyr, noe som gjør dem upraktiske for mange anvendelser. De biomimetiske luktechipene utviklet av Prof. Fans team løser denne utfordringen ved å integrere et stort antall gassensorer på en enkelt, kompakt chip.
En annen betydelig utfordring i kunstig luktedeteksjon har vært å øke systemets gjenkjennelseskapasiteter, spesielt når det gjelder komplekse luktblandinger. I virkelige scenarier består lukter ofte av flere gasser og flyktige organiske forbindelser, noe som gjør det vanskelig for konvensjonelle e-nese å nøyaktig identifisere og kvantifisere hver komponent.
Ved å utnytte avansert nanoteknologi og kunstig intelligens, kan de biomimetiske luktechipene prosessere og tolke data fra gassensorene mer effektivt enn tradisjonelle e-nese. Bruken av maskinlæringsalgoritmer gjør det mulig for BOC å lære fra tidligere erfaringer og forbedre luktegjenkjennelseskapasiteten over tid. Denne tilpasningen gjør BOC til et kraftfullt verktøy for ulike industrier, da det kan tilpasses for å detektere og identifisere spesifikke lukter relevante for hver anvendelse.

Unik ytelse og anvendelser

I en bemerkelsesverdig demonstrasjon integrerte forskerne luktechipene med visjonssensorer på en robot-hund, og skapte et kombineret lukte- og visuelt system. Denne unike oppsettet gjorde det mulig for roboten å nøyaktig identifisere objekter i blinde bokser, og viste potensialet for å integrere BOC med andre sansningsteknologier for å skape mer avanserte og kapable intelligente systemer.

Image: HKUST


Alex McFarland er en AI-journalist og forfatter som utforsker de nyeste utviklingene innen kunstig intelligens. Han har samarbeidet med tallrike AI-startups og publikasjoner verden over.