Efterligning af berøring gennem avanceret AI – Er det muligt?

Robotikken i morgen vil have sanser, der kan måle sig med deres menneskelige modparter. Allerede nu findes der AI-algoritmer, der gør det muligt for enheder at se, lugte og høre. Disse forbedringer udnytter sensorer og avancerede algoritmer til at simulere disse sanser. Men én sans har indtil nu undsluppet forskerne: berøring.

Nu har en gruppe forskere fra Stevens Institute of Technology afsløret en ny metode, der efterligner berøring. Her er, hvad du behøver at vide.

Forskere har i lang tid forsøgt at efterligne berøring via robotsystemer. En robot, der kunne føle, ville åbne døren for mange anvendelsesscenarier. Efterhånden som flere mennesker begynder at arbejde sammen med disse enheder, stiger interessen for robotter, der kan ‘føle’, fortsat. Ingeniører mener, at denne sans er afgørende for at forbedre effektivitet, kapaciteter og sikkerhed på arbejdspladsen.

Forestil dig robotter, der kan mærke, om de støder ind i dig, og reagere derefter. Denne evne ville gøre det muligt for robotter, der arbejder tæt sammen med mennesker, at reducere deres risici og udføre mere præcise og tidligere kun menneskelige opgaver.

Efterligning af berøring gennem avanceret AI-undersøgelse

Undersøgelsen¹, offentliggjort i tidsskriftet Applied Optics, afslører, hvordan forskerne var i stand til at simulere berøring via laser og en AI-algoritme. Forskerne kombinerede AI og kvanteteknologi for at opnå dette mål i et kvante-laboratorieopsætning.

Kvantinteraktioner leverer en overflod af data, der kan bruges til at skabe og forbedre AI-modeller. Denne tilgang kombinerer avanceret maskinlæring, en raster-scannende enkelt-foton LiDAR og kvantefeedback i form af speckle-støj for at udføre denne opgave.

Efterligning af berøring ved brug af foton‑udløsende scanningslaser

Holdet skabte en raster‑scannende enkelt‑foton LiDAR, der kunne indstilles til at pulseres med forskellige intervaller, hvilket gjorde det muligt for ingeniører at dokumentere enhver ændring og feedback, der reflekteres fra overfladen. Hver overflade har forskellige brydningsindekser afhængigt af dens sammensætning. Forskerne anerkendte dette faktum og fastslog, at dette var den bedste måde at give systemet kunstigt evnen til hurtigt at udføre topografiske scanninger.

Algorithmiske AI-modeller

AI’en scanner overfladen ved hjælp af den proprietære laser som første trin. Denne manøvre skaber et detaljeret billede af genstanden. Det detaljerede billede vil producere tilfældig feedback kaldet speckle‑støj. Tidligere var speckle‑støj en hindring for optisk klarhed, da denne feedback sænkede opløsningen.

Forskerne bemærkede, at denne feedback var mere end interferens. Den leverede en unik signatur for hver overflade baseret på dens ruhed. Disse data blev fodret til AI‑systemet, som derefter dechifreredes informationen for at bestemme strukturets dimensioner, højde og ruhed.

Kilde – Magicplan

Forskerne udnyttede dette opsætning til at scanne flere typer overflader for at programmere AI‑algoritmen. Specifikt registrerede systemet tilbage‑spredte protoner fra forskellige punkter på overfladen. Derfra blev dataene indsamlet og dannet til en mode‑fiber, der tælles via en enkelt‑foton‑detektor. Denne enhed kan skelne speckle‑støj fra anden interferens, hvilket gør det muligt for forskerne at udnytte denne interferens til at bestemme objektets glathed.

Efterligning af berøringstest

For at teste deres teori begyndte holdet med at opsætte et enkelt‑pixel, raster‑scannende enkelt‑foton‑tællende LiDAR‑system. Denne enhed var optimal til forskningen, da den kan producere en kollimeret laserstråle, der kan affyres i picosekund‑pulser, hvilket giver præcis dækning og respons.

Ingeniørerne besluttede at anvende 31 industrielle sandpapirer som deres testemner. De startede med at indsamle alle forskellige varianter og ruheder. Specifikt varierede sandpapiret fra 1 til 100 mikron i tykkelse. Laserens pulser blev derefter sendt gennem transceiveren og på sandpapiret. Lyset og interferensen blev brudt tilbage og beregnet af AI‑systemet.

Resultater af efterlignings‑berøringsundersøgelsen

Resultaterne af disse tests viser lovende. Det nye system havde oprindeligt en nøjagtighed på 8 mikron, som blev reduceret til 4 mikron efter finjustering og justeringer. Bemærkelsesværdigt er dette nøjagtighedsniveau sammenligneligt med branchens førende løsninger.

Det bemærkelsesværdige er, at systemet syntes at fungere bedst, når overfladen havde en fin kornstruktur frem for stor ruhed. Imponerende var, at ingeniørerne kunne bestemme overfladestrukturen på sandpapirerne præcist med minimal indsats, hvilket åbner døren for, at denne teknologi kan omforme, hvordan industrier opererer i de kommende år.

Fordele ved efterlignings‑berøringsundersøgelsen

Denne forskning kan åbne mange fordele på tværs af flere industrier. For det første vil denne metode give enorme omkostningsbesparelser i forhold til de nuværende systemer. Derudover vil den gøre det muligt for producenter at reducere deres medarbejderantal, da AI’en er langt mere præcis. Denne manøvre vil reducere overhead og forbedre deres bundlinje.

Hurtig overflademapping

Hastigheden, hvormed systemet scanner en overflade, er en anden fordel. Denne metode kræver kun, at laserstrålen scanner overfladen i et par øjeblikke, før bestemmelsen foretages. Som sådan er den meget hurtigere og kræver mindre indsats at anvende, hvilket gør det muligt for producenter at udføre flere scanninger og spare.

Omkostningseffektiv integration

En anden stor fordel ved denne forskning er, at den leverer omkostningseffektive integrationsløsninger på markedet. I mange tilfælde anvendes LiDAR til at bestemme den strukturelle integritet af kernekomponenter. Dette nye system kunne forbedre den anvendte LiDAR og gøre den i stand til at foretage målinger på mikron‑niveau.

Kvalitetskontrol

Den nye form for overfladescanning vil forbedre kvalitetskontrolmetoder for indviklede og præcise komponenter. Ingeniører har i lang tid brugt systemer til at sikre, at vitale komponenter i fly og andre genstande er fri for fejl, der potentielt kan udvikle sig til alvorlige problemer.

Forbedret sortering

Robot‑sorteringssystemer er allerede i høj efterspørgsel og i brug over hele verden. Denne opgradering kan hjælpe disse systemer med at forbedre deres kapaciteter ved at give dem en ekstra sans, som de kan bruge til at bestemme sammensætningen og den nødvendige sortering af et produkt. For eksempel ville en robotarm, der kunne føle, kunne kontrollere frugtens fasthed for at afgøre, om den er moden eller ej.

Forskere inden for efterligning af berøring

Ingeniører fra Stevens Institute of Technology ledede forskningen i lasers topografisystemet. De arbejdede tæt sammen med CQSE‑direktør Yuping Huang som en del af deres projekt. Derudover modtog Daniel Tafone og Luke McEvo anerkendelse for deres indsats i projektet.

Potentielle anvendelser

Der er mange anvendelser for denne teknologi. Allerede nu spiller LiDAR en vigtig rolle i sikkerhedsstandarder. Denne forskning forbedrer disse kapaciteter betydeligt og gør det muligt for ingeniører at udføre hidtil usete real‑tids‑overvågninger af kritiske komponenter.

Sundhedssektoren

Sundhedssektoren har oplevet en stigende efterspørgsel efter robotter, der kan føle som mennesker. Disse systemer kan finde flere anvendelser i branchen. Et interessant anvendelsestilfælde ville være at lade disse enheder scanne modermærker i jagten på dødelige melanomer. Den laser‑baserede algoritme kunne bestemme de små forskelle, der gør det ene modermærke sikkert og det andet potentielt dødeligt, og dermed redde tusinder af patienters liv.

Forbedring af LiDAR

LiDAR anvendes i en række produkter i dag. Smarte biler, robotter, smartphones og andre produkter er afhængige af LiDAR som deres øjne. Selv din robotstøvsuger indeholder en form for LiDAR for at undgå forhindringer. Denne nye teknologi kan hjælpe mikrorobotter med at navigere i miljøer som den menneskelige krop og levere livreddende behandling direkte til de nødvendige steder.

Virksomheder, der kan drage fordel af denne forskning

Flere robotikvirksomheder kunne integrere denne teknologi og forbedre deres resultater i dag. Robotik er en hurtigt voksende sektor, der nu spænder over næsten alle industrier. Fra at udføre operationer til at plukke frugt, kunne disse enheder få et stort løft med introduktionen af en berørings‑emulator.

Samsara 

Samsara (IOT )  er en IoT‑virksomhed baseret i San Francisco, der søger at gøre indtryk. Virksomheden blev grundlagt af Sanjit Biswas og John Bicket i 2015 for at skabe, administrere og tilbyde erhvervskunder en solid funktion til at spore og overvåge logistik. I dag leverer virksomheden et bredt udvalg af produkter til at udføre denne opgave, herunder AI‑dashcams, ruteoptimering, udstyrs‑sporing, stedovervågning og telematik.

Samsara er en stor aktør på IoT‑markedet (Internet of Things). IoT‑enheder er de millioner af smarte enheder, du ser i brug i dag. De kan være alt, der har en internetforbindelse, sensor og evnen til at kommunikere data. I dag omfatter IoT‑sektoren milliarder af smarte enheder globalt.

Samsara gør det muligt for virksomheder at integrere disse enheder i deres logistik for at forbedre resultater, effektivitet og sikkerhed. IoT‑enheder kan bruges til at overvåge produkter i real‑tid, herunder deres tilstand, ægthed, placering og meget mere.

Analytikere ser Samsara som godt positioneret til vækst, efterhånden som IoT‑industrien udvides. Virksomheden har en markedsværdi på $30,433 milliarder og har støtte fra nogle af de største navne i branchen. Bemærkelsesværdigt blev aktien udpeget som en af Harvard Universitets top‑aktievalg i år, hvilket styrker forbrugertilliden.

Andre forsøg på at efterligne menneskelige sanser

Undersøgelse af kapløbet om at få robotter til at føle afslører nogle interessante udviklinger. Det første, du bemærker, er at der er to meget forskellige tilgange til at give robotter sansen for berøring. Hardware‑løsninger indeholder enheder, der kan simulere berøring ved at registrere tryk og puls, mens software‑løsninger integrerer algoritmer, der udnytter feedback til at simulere berøring. Her er nogle andre måder, forskere har fundet på for at give robotter evnen til at føle.

Højtydende keramik

En nylig undersøgelse demonstrerer, hvordan mikrokeramiske partikler kan indlejres i et fleksibelt, hud‑lignende lag for at gøre enheden i stand til at registrere varme og tryk. De små keramiske partikler giver den perfekte måde at overføre elektriske pulser over en fleksibel overflade.

Denne forskning viste, at ingeniører udviklede robot‑hud‑tags, der kunne mærke, om du strøg mod dem og trak væk. De gik derefter videre med at skabe en smart protese, der kunne gøre brugeren i stand til at føle overflader og reagere derefter. De bemærkede, at deres robot‑hud var i stand til at registrere berøring ved hjælp af disse pulser ned til de fineste trykindstillinger.

Kunstige nerver

Et andet spændende gennembrud inden for robot‑berøring fandt sted i oktober, da et hold af ingeniører fra Stanford University’s Zhenan Bao Research Group lykkedes med at skabe en kunstig nerve. Den menneskeskabte enhed blev designet til at fungere præcis som dens menneskelige modstykke, så den ville gøre det muligt for robotter at reagere effektivt på berøring.

Systemet bygger på en kunstig nerveopsætning, der kan opdeles i tre komponenter. Mekanoreceptorer fungerer som resistive tryksensorer. Der er også organiske ring‑oscillators, som fungerer på samme måde som neuroner, samt organiske elektrokemiske transistorer, der gør det muligt for hele systemet at fungere.

Robot‑sweater

Carnegie Mellon University introducerede en Robot‑sweater, der kunne gøre industrielle robotter meget sikrere. Bemærkelsesværdigt er, at nutidens sikkerhedssystemer ofte kræver stive dele tilføjet til robotter. Problemet med denne tilgang er, at robotter ikke kan dækkes fuldstændigt, da deres bevægelige dele skal forblive fleksible. Dette ønske førte forskerne til at overveje et sweater‑lignende stof som løsning.

Robot‑sweateren er et maskin‑strikket dæksel, der kan passe til enhver tredimensionel form. Som sådan kan den skabes for at give fuld beskyttelse til robotter og deres menneskelige med‑arbejdere. Enheden fungerer ved at udnytte to lag af metalliske fibre, der er integreret i overfladen. Når et menneske rører sweateren, lukker den kredsløbet, underretter robotten om hændelsen og fremkalder en respons.

Fremtiden for robotter, der efterligner berøring

Robotter, der kan efterligne berøring, er fremtiden. Disse enheder vil åbne døren for mere integration sammen med menneskelige kolleger. Denne udvikling vil føre til robotter, der forbedrer sikkerheden, sparer midler og giver flere industrier løsninger på langvarige problemer. Som sådan vil efterspørgslen efter robotter, der kan efterligne berøring, kun stige i de kommende år. Indtil videre bør du forvente at se flere robot‑kolleger i de kommende måneder.

Lær om andre seje robotikprojekter nu.

Studierreferencer:

^{1. Tafone, D., McEvoy, L., Sua, Y. M., & Huang, Y.-P. (2024). Surface roughness metrology with a raster scanning single photon LiDAR. Applied Optics, 63(30), 7917–7923. https://doi.org/10.1364/AO.537404}