Znanstveniki robotom prinašajo ekstremno občutljivost konic prstov

Skupina znanstvenikov na Inštitutu Max Planck za inteligentne sisteme (MPI-IS) je predstavila robusten mehak haptični senzor, ki se opira na računalniški vid in globoko nevronsko mrežo, da oceni, kje predmeti pridejo v stik s senzorjem. Prav tako lahko oceni, kako velike so uporabljene sile.

Nova raziskava, ki je bila objavljena v Narava strojne inteligence, bo pomagal robotom zaznati svoje okolje tako natančno kot ljudje in živali.

Senzor v obliki palca z okostjem

Senzor je v obliki palca in je izdelan iz mehke lupine, zgrajene okoli lahkega skeleta. Okostje deluje na enak način kot kosti za stabilizacijo mehkega prstnega tkiva in je sestavljeno iz elastomera, pomešanega z odsevnimi aluminijastimi kosmiči. To ustvari sivkasto barvo, ki preprečuje vstop zunanje svetlobe. Znotraj prsta je 160-stopinjska kamera ribje oko, ki snema barvite slike, osvetljene z LED.

Videz barvnega vzorca znotraj senzorjev se spreminja glede na predmet, ki se dotakne lupine senzorja, kamera pa hitro posname slike in poda podatke globoki nevronski mreži.

Algoritem zazna vsako majhno spremembo svetlobe v vsaki slikovni piki in v delčku sekunde model strojnega učenja preslika mesto, kjer pride prst v stik s predmetom. Določa tudi jakost sil in smer sil.

Georg Martius je vodja raziskovalne skupine Max Planck pri MPI-IS in vodja skupine za avtonomno učenje.

»To odlično zmogljivost zaznavanja smo dosegli z inovativno mehansko zasnovo ohišja, prilagojenim slikovnim sistemom v notranjosti, samodejnim zbiranjem podatkov in vrhunskim globokim učenjem,« pravi Martius.

Huanbo Sun je Martiusov doktorat. študent.

»Naša edinstvena hibridna struktura mehke lupine, ki obdaja togo okostje, zagotavlja visoko občutljivost in robustnost. Naša kamera lahko zazna tudi najmanjše deformacije površine iz ene same slike,« pravi Sun.

Po besedah ​​Katherine J. Kuchenbecker, direktorice oddelka za haptično inteligenco pri MPI-IS, se bodo novi senzorji izkazali za izjemno uporabne.

"Prejšnji mehki haptični senzorji so imeli le majhna območja zaznavanja, bili so občutljivi in ​​jih je bilo težko narediti in pogosto niso čutili sil, vzporednih s kožo, ki so bistvenega pomena za robotsko manipulacijo, kot je držanje kozarca vode ali drsenje kovanca po mizi," pravi Kuchenbecker.

Učenje senzorja za učenje

Da bi se senzor lahko učil, je Sun razvil preskusno napravo, ki generira podatke o usposabljanju za učenje modela strojnega učenja. Ti podatki pomagajo modelu razumeti korelacijo med spremembo slikovnih pik neobdelane slike in uporabljenimi silami. Približno 200,000 meritev je bilo ustvarjenih s preskusno napravo, ki je merila senzor okoli njegove površine, model pa je bil usposobljen v enem dnevu.

»Načrtovanje strojne in programske opreme, ki ga predstavljamo pri svojem delu, je mogoče prenesti na široko paleto robotskih delov z različnimi oblikami in zahtevami glede natančnosti. Arhitektura strojnega učenja, usposabljanje in proces sklepanja so splošni in jih je mogoče uporabiti pri številnih drugih zasnovah senzorjev,« pravi Huanbo Sun.