นักวิทยาศาสตร์นำความละเอียดอ่อนของปลายนิ้วมือสุดขั้วมาให้หุ่นยนต์

ทีมนักวิทยาศาสตร์ที่ Max Planck Institute for Intelligent Systems (MPI-IS) ได้นำเสนอสенсอร์ฮैपติกซอฟต์ที่มีความแข็งแรงซึ่งพึ่งพาการมองเห็นของคอมพิวเตอร์และเครือข่ายประสาทลึกเพื่อประมาณการว่าวัตถุเข้ามาอยู่กับสенсอร์ที่ไหน และสามารถประมาณการขนาดของแรงที่ใช้ได้

การวิจัยใหม่นี้ซึ่งเผยแพร่ใน Nature Machine Intelligence จะช่วยให้หุ่นยนต์สามารถรับรู้สิ่งแวดล้อมได้อย่างแม่นยำเหมือนมนุษย์และสัตว์

สенсอร์รูปทรงนิ้วหัวแม่มือพร้อมกับโครงกระดูก

สенсอร์นี้มีรูปทรงเหมือนนิ้วหัวแม่มือและทำจากเปลือกนอกที่อ่อนนุ่มซึ่งสร้างขึ้นรอบๆ โครงกระดูกที่มีน้ำหนักเบา โครงกระดูกนี้ทำหน้าที่เหมือนกับกระดูกในการให้เสถียรภาพแก่เนื้อเยื่อนิ้วที่อ่อนนุ่ม และทำจากอีลาโสมอร์ที่ผสมกับเศษอะลูมิเนียมที่มีสีเทา ทำให้ไม่มีแสงภายนอกเข้ามาได้ ภายในนิ้วมือมีกล้องฟิชอาย 160 องศาที่บันทึกภาพสีที่สว่างขึ้นโดย LED

รูปแบบสีที่ปรากฏข้างในเซ็นเซอร์จะเปลี่ยนแปลงไปตามวัตถุที่สัมผัสกับเปลือกนอกของเซ็นเซอร์ และกล้องจะบันทึกภาพและให้ข้อมูลแก่เครือข่ายประสาทลึก

การเปลี่ยนแปลงเล็กน้อยของแสงในช่องสัญญาณทุกจุดจะถูกตรวจจับโดยอัลกอริทึม และภายในเศษของวินาที โมเดลการเรียนรู้ของเครื่องจะสร้างแผนที่ของจุดที่นิ้วสัมผัสกับวัตถุ และกำหนดความแข็งแรงของแรงและทิศทางของแรง

Georg Martius เป็นผู้นำกลุ่มวิจัย Max Planck ที่ MPI-IS และเป็นหัวหน้ากลุ่มการเรียนรู้อัตโนมัติ

“เราทำผลลัพธ์การรับรู้ที่ดีเยี่ยมได้โดยการออกแบบกลไกใหม่ของเปลือกนอก ระบบการถ่ายภาพที่กำหนดเอง การรวบรวมข้อมูลอัตโนมัติ และการเรียนรู้ของเครื่องแบบลึก” Martius กล่าว

Huanbo Sun เป็นนักศึกษาระดับ博士ของ Martius

“โครงสร้างไฮบริดที่เป็นเอกลักษณ์ของเราประกอบด้วยเปลือกนอกที่อ่อนนุ่มซึ่งหุ้มโครงกระดูกที่แข็งแรง ทำให้มีความไวและความทนทานสูง กล้องของเราสามารถตรวจจับการเปลี่ยนแปลงเล็กน้อยของพื้นผิวได้จากภาพเดียว” Sun กล่าว

ตามคำกล่าวของ Katherine J. Kuchenbecker ผู้อำนวยการฝ่ายหaptic Intelligence ที่ MPI-IS เซ็นเซอร์ใหม่นี้จะมีประโยชน์อย่างมาก

“เซ็นเซอร์ฮัปติกซอฟต์แบบเก่าๆ มีพื้นที่การรับรู้ขนาดเล็ก มีความอ่อน脆และยากต่อการผลิต และมักไม่สามารถรับรู้แรงที่ขนานกับพื้นผิว ซึ่งเป็นสิ่งจำเป็นสำหรับการจัดการหุ่นยนต์ เช่น การถือแก้วน้ำหรือการลื่นเหรียญบนโต๊ะ” Kuchenbecker กล่าว

การเรียนรู้ของเซ็นเซอร์

เพื่อให้เซ็นเซอร์สามารถเรียนรู้ได้ Sun ได้พัฒนาระบบทดสอบที่สร้างข้อมูลการฝึกอบรมสำหรับโมเดลการเรียนรู้ของเครื่องเพื่อเรียนรู้ความสัมพันธ์ระหว่างการเปลี่ยนแปลงของพิกเซลภาพดั้งเดิมและแรงที่ใช้ มีการสร้างการวัดประมาณ 200,000 ครั้งจากการทดสอบเซ็นเซอร์บนพื้นผิว และโมเดลได้รับการฝึกอบรมภายในหนึ่งวัน

“การออกแบบฮาร์ดแวร์และซอฟต์แวร์ที่เรานำเสนอในงานของเราสามารถถ่ายโอนไปยังชิ้นส่วนหุ่นยนต์ที่หลากหลายซึ่งมีรูปทรงและความต้องการความแม่นยำที่แตกต่างกัน อาร์คิเทคเจอร์การเรียนรู้ของเครื่อง การฝึกอบรม และกระบวนการอนุมานทั้งหมดเป็นสิ่งที่ทั่วไปและสามารถนำไปใช้กับการออกแบบเซ็นเซอร์อื่นๆ ได้” Huanbo Sun กล่าว