Forskare ger robotfinger känsel

Forskare vid Columbia Engineering har gett en nyutvecklad robotfinger känsel. Den kan lokalisera beröring med extremt hög precision över stora, multicurveda ytor. Den nya utvecklingen bringar robotteknik ett steg närmare mänsklig status.

Matei Ciocarlie är biträdande professor i avdelningarna för maskinteknik och datavetenskap. Ciocarlie ledde forskningen i samarbete med professor Ioannis (John) Kymissis i elektroteknik.

“Det har länge funnits ett gap mellan fristående taktila sensorer och fullt integrerade taktila fingrar – taktil känslighet är fortfarande långt ifrån allmän i robotmanipulation”, säger Ciocarlie. “I den här artikeln har vi demonstrerat en multicurved robotfinger med exakt beröringslokalisering och normal kraftdetektering över komplexa 3D-ytor.”

De nuvarande metoderna som används för att integrera beröringssensorer i robotfingrar möter många utmaningar. Det är svårt att täcka multicurveda ytor, det finns en hög ledningsantal och det är svårt att få plats med sensorerna i små fingertoppar, vilket förhindrar användning i dexterösa händer. Teamet vid Columbia Engineering kom runt dessa utmaningar genom att utveckla en ny metod: de använde överlappande signaler från ljusemittenter och mottagare som är inbäddade i ett transparent vågledarskikt som täcker de funktionella områdena av fingret.

Teamet kunde få en signaldatauppsättning som förändras i samband med deformationen av fingret på grund av beröring. De gjorde detta genom att mäta ljustransporten mellan varje emittent och mottagare. Användbar information, såsom kontaktplats och applicerad normal kraft, extraherades sedan från data med hjälp av data-drivna djupa inlärningsmetoder. Teamet kunde göra detta utan att använda analytiska modeller.

Genom denna metod utvecklade forskarteamet en fullt integrerad, sensoriserad robotfinger som har ett lågt ledningsantal. Den byggdes med hjälp av tillgängliga tillverkningsmetoder och kan enkelt integreras i dexterösa händer.

Studien publicerades online i IEEE/ASME Transactions on Mechatronics.

Det första steget i projektet var att använda ljus för att känna beröring. Det finns ett lager av transparent silikon under “huden” på fingret, och teamet lyste in ljus i det från över 30 LEDs. Fingret har också över 30 fotodioder som är ansvariga för att mäta hur ljuset studsar runt. Så fort fingret kommer i kontakt med något, deformeras huden och ljuset rör sig i det transparenta skiktet under huden. Forskarna mäter sedan hur mycket ljus som går från varje LED till varje diod för att komma fram till cirka 1 000 signaler. Var och en av dessa signaler innehåller information om kontakten.

“Den mänskliga fingern tillhandahåller otroligt rik kontaktinformation – mer än 400 små beröringssensorer per kvadratcentimeter hud!” säger Ciocarlie. “Det var modellen som fick oss att försöka få så mycket data som möjligt från vår finger. Det var kritiskt att se till att alla kontakter på alla sidor av fingret täcktes – vi byggde i princip en taktil robotfinger utan blinda fläckar.”

Det andra steget i projektet var att teamet utformade data för att bearbetas av maskinlärningsalgoritmer. Data är extremt komplex och kan inte tolkas av människor. Men nuvarande maskinlärningstekniker kan lära sig att extrahera specifik information, såsom var fingret berörs, vad som berör fingret och hur mycket kraft som appliceras.

“Våra resultat visar att ett djupt neuronnätverk kan extrahera denna information med mycket hög precision”, säger Kymissis. “Vår enhet är verkligen en taktil finger utformad från början för att användas i kombination med AI-algoritmer.”

Teamet utformade också fingret så att det kan användas på robotiska händer. Fingret kan samla in nästan 1 000 signaler, men det kräver bara en 14-ledad kabel som ansluter det till handen. Det finns också inga komplexa externa elektronik som krävs för att det ska fungera.

Teamet har för närvarande två dexterösa händer som integreras med fingrarna, och de kommer att försöka använda händerna för att demonstrera dexterös manipuleringsförmåga.

“Dexterös robotmanipulation behövs nu inom områden som tillverkning och logistik, och är en av de tekniker som på lång sikt behövs för att möjliggöra personlig robotassistans inom andra områden, såsom hälsovård eller serviceområden”, säger Ciocarlie.