Robotik och fysisk AI

En ny gryning inom robotteknik: Beröringsbaserad rotationsmanipulation

mm
Lägg till Unite.AI bland dina föredragna källor på Google

I en banbrytande utveckling har en grupp ingenjörer vid University of California San Diego (UCSD) designat en robotisk hand som kan rotera föremål med hjälp av beröring alone, utan behov av visuell inmatning. Detta innovativa tillvägagångssätt inspirerades av det lättade sätt som människor hanterar föremål utan att nödvändigtvis behöva se dem.

En beröringskänslig metod för objekthantering

Teamet utrustade en fyrfingrad robotisk hand med 16 beröringssensorer utspridda över handflatan och fingrarna. Varje sensor, som kostar runt 12 dollar, utför en enkel funktion: den upptäcker om ett föremål berör den eller inte. Detta tillvägagångssätt är unikt eftersom det förlitar sig på många lågkostnads-, lågupplösningsberöringssensorer som använder enkla binära signaler – beröring eller inte – för att utföra robotisk rotationsmanipulation.

I kontrast till detta förlitar sig andra metoder på ett fåtal högkostnads-, högupplösningsberöringssensorer fästa vid en liten yta av den robotiska handen, främst vid fingerspetsarna. Xiaolong Wang, professor i elektroteknik och datorteknik vid UC San Diego, som ledde studien, förklarade att dessa tillvägagångssätt har flera begränsningar. De minskar chansen att sensorerna kommer i kontakt med föremålet, vilket begränsar systemets känslighet. Högupplösningsberöringssensorer som ger information om textur är extremt svåra att simulera och är förbjudande dyra, vilket gör det svårt att använda dem i verkliga experiment.

Kraften i binära signaler

“Vi visar att vi inte behöver information om ett föremåls textur för att utföra denna uppgift. Vi behöver bara enkla binära signaler om sensorerna har berört föremålet eller inte, och dessa är mycket lättare att simulera och överföra till den verkliga världen”, sa Wang.

Teamet tränade sitt system med hjälp av simuleringar av en virtuell robotisk hand som roterar en mångfaldig uppsättning föremål, inklusive de med oregelbundna former. Systemet utvärderar vilka sensorer på handen som berörs av föremålet vid varje given tidpunkt under rotationen. Det utvärderar också den aktuella positionen för handens leder, samt deras tidigare handlingar. Med hjälp av denna information instruerar systemet den robotiska handen vilken led som behöver gå vart i nästa tidpunkt.

Framtiden för robotmanipulation

Forskarna testade sitt system på den verkliga robotiska handen med föremål som systemet ännu inte hade mött. Den robotiska handen kunde rotera en mängd föremål utan att stanna eller förlora greppet. Föremålen inkluderade en tomat, en paprika, en burk jordnötssmör och en leksaksrubberduck, som var det mest utmanande föremålet på grund av dess form. Föremål med mer komplexa former tog längre tid att rotera. Den robotiska handen kunde också rotera föremål runt olika axlar.

Teamet arbetar nu med att utöka sitt tillvägagångssätt till mer komplexa manipulationsuppgifter. De utvecklar för närvarande tekniker för att möjliggöra för robotiska händer att fånga, kasta och jonglera, till exempel. “Inomhandmanipulation är en mycket vanlig färdighet som vi människor har, men det är mycket komplext för robotar att bemästra”, sa Wang. “Om vi kan ge robotarna denna färdighet, kommer det att öppna dörren till de uppgifter de kan utföra.”

Denna utveckling markerar ett betydande steg framåt inom robotikområdet, och kan potentiellt bana väg för robotar som kan manipulera föremål i mörker eller i visuellt utmanande miljöer.

Alex leder Unite.AI:s AI‑drivna nyhetsverksamhet och kombinerar journalistik, forskning och automation för att stödja snabb och skalbar bevakning av artificiell intelligens. Hans arbete bidrar till att nya AI‑utvecklingar framträder effektivt samtidigt som publikationen upprätthåller sina redaktionella standarder.