Reducer, Genbrug, Genanvend – Hvordan Robotik Kan Ændre Vores Tilgang til Affaldshåndtering

New research published in Applied Physics Reviews highlights how improved tactile functionalities can improve robots’ ability to sort and determine items. The study introduces a proprietary robot with new sensing capabilities. The researchers put these capabilities to the test via a variety of garbage-handling tasks. The goal was to see how tactile robotics could determine complex items in real-life scenarios; here’s what you need to know.

Robotters Forbedrede Sanser

Det er ingen hemmelighed, at robotter er blevet smartere. Disse enheder fortsætter med at integrere avancerede sensorer og AI-algoritmer for at levere forbedret ydeevne og kapaciteter. Allerede nu findes der robotter, der kan bestemme en genstand eller endda et scenarie baseret på visuelle, auditive og omstændelige input.

Kilde – Applied Physics Reviews – Affaldshåndtering

Robotsensorer er løbende blevet forbedret, og nutidens muligheder er lysår foran deres forgængere med hensyn til nøjagtighed, vægt og kapaciteter. Disse sensorer har gjort det muligt for robotter at begynde at overtage komplekse opgaver, der kræver præcis objektdetektion.

AI-forbedringer

AI-læringsalgoritmer har spillet en afgørende rolle i opdateringen af disse enheders kapaciteter. AI-systemer gør det muligt for udviklere at gøre robotter meget smartere. De kan udlede situationer og genstande baseret på omgivende beviser og eksterne faktorer, hvilket forbedrer deres identifikationssystemer betydeligt. Bemærkelsesværdigt er, at de fleste sensorforbedringer de seneste år er kommet i form af AI-integrationer.

Taktil Robotik – Affaldshåndtering

Et område inden for robotik, der har ingeniører begejstrede, er taktile sansningsenheder. Når du tænker på robotter, forestiller du dig sandsynligvis en humanoid enhed, der scanner rummet med visuelle, termiske og andre sensorer. Det er dog mindre almindeligt, at folk overvejer, hvordan robotter rører ved og føler genstande.
Taktil robotik er vokset i popularitet gennem årene på grund af deres specifikke færdigheder. Disse enheder kan udfylde vitale roller i arbejdsstyrken og udføre opgaver, som visuelle enheder ikke kan klare. Taktil robotik kombinerer forskellige berøringssensorer for at bestemme vægt, form, densitet og andre vigtige data om en genstand.

Problemer med Taktil Robotik i Dag

Der er nogle alvorlige problemer, som robotingeniører skal overvinde, når de skaber taktile robotter. For det første er det ekstremt svært at programmere en robot med grebsgenkendelse. Den menneskelige hånd har milliarder af sensorer, der arbejder sammen, så du kan afgøre, om den genstand du har grebet, var et æble eller en tennisbold.

I virkelige scenarier, hvor høj nøjagtighed er påkrævet, har taktile robotter ikke kunnet holde trit med deres nøjagtighedskrav. Problemer som forveksling af genstande med lignende former og størrelser er almindelige i disse enheder. Desuden kan baggrundsstøj og forstyrrelser gøre det sværere at kategorisere genstande præcist for taktile robotter.

Endelig spiller orienteringen og grebet af en genstand en stor rolle i bestemmelsen af dens klassifikation. Her skal taktile robotter kombinere deres data med andre sensorer for at få et fuldstændigt billede af scenariet, genstanden og hvordan den skal håndteres. På denne måde kan taktile robotter trænes til at identificere genstande, uanset om de har former og størrelser, der afviger fra eksemplet brugt under AI‑træningen.

Studie – Affaldshåndtering

Studiet, “Enhanced Robotic Tactile Perception with Spatiotemporal Sensing and Logical Reasoning for Robust Object Recognition”, går i detaljer om hvordan og hvorfor forskerne besluttede, at taktile sansningsrobotter havde brug for et løft i ydeevne. Papiret begynder med, at ingeniører forklarer, at indtil for nylig var taktil robotik begrænset til primært vægt-, tryk- og manipulationssansning.

Spatiotemporal Taktil Sansning

Forskerne indså, at mennesker også bruger termisk sansning til præcist at bestemme en genstand. Flere sensorer i samarbejde med avancerede AI-algoritmer leverede den perfekte kombination for at forbedre nøjagtighed og bestemmelseshastigheder. Den nye protokol gjorde det muligt for enheder at integrere visuelle data sammen med termiske målinger, overfladeråhed, kontakttryk og temperaturer.

Lagdelte Sensorer Forbedrer Affaldshåndteringskapaciteter

Teamet besluttede at skabe en ny type robotsensor, der udnyttede flere lag for at forbedre resultaterne. Deres opfindelse introducerede en række materialedetekteringssystemer, der ville scanne og registrere relevante data fra overfladekontakt. Derudover er de håndintegrerede tryksensorer placeret i bunden af enheden.
Disse sensorer suppleres af termiske sensorer placeret i midten af hånden. Ligesom en menneskelig hånd sidder sensoren bag et porøst materiale, hvilket gør det muligt at få præcise aflæsninger af genstande på sekunder. Bemærkelsesværdigt er, at denne sensor er meget følsom og kan opdage små temperaturændringer, der opstår ved håndtering af genstande.

AI-integration

Al denne sensorinformation kunne være gået tabt, hvis forskerne ikke havde valgt at skabe en tilpasset AI‑læringsmodel til at sortere og forstå dataene. Deres opfindelse udnytter en effektiv kaskadeklassifikationsalgoritme, der gør det muligt for deres enhed at forstå komplekse virkelige genstande blot gennem hurtig manipulation.
AI‑algoritmen blev skabt til at fungere som den menneskelige hjerne ved først at udelukke de åbenlyse fejl, før den går videre til mere plausible løsninger. Denne kaskadeklassifikator udnytter lagdelte long short-term memory neurale netværk for at levere præcise resultater. Hver genstand identificeres og kategoriseres hierarkisk af AI’en autonomt, hvilket tilføjer til dens fremtidige kapaciteter undervejs.

Affaldshåndteringstest

For at teste deres teori og opfindelser begyndte forskerne med at finde en opgave, der traditionelt har været meget vanskelig for taktile robotter. De valgte affaldssortering af flere grunde. For det første er affald meget forskelligt. Du kan finde alle typer materiale i forskellige tilstande, når du sorterer affald.
En anden grund til, at affaldssortering er den ideelle opgave, er at der ofte er flere genstande, der er ens. De eneste forskelle er i deres tilstand, indhold eller andre trivielle men forvirrende robot‑scenarier. Opgaver som sortering af tomme kasser, skrot, plastflasker, servietter, svampe, appelsinskræller og udløbne lægemidler har vist sig umulige for tidligere robotiterationer. Denne seneste opgradering kan føre til, at robotter sorterer genanvendelige materialer, madrester, farligt affald og mere i de kommende år.

Resultater

Testresultaterne var lovende, idet robotterne kunne sortere 98,85 % af det leverede affald med succes. Disse resultater kan have massive konsekvenser for branchen, da de viser, at den nye tilgang til taktil robotik er effektiv og tilgængelig for offentligheden. Rapporten fremhæver, hvordan enheden med succes kan genkende forskellige genstande og sortere dem efter deres klassifikationer.
Studiet afslørede, at robotten var i stand til at sortere disse enheder, selv når den scannede genstanden for første gang. Derfor er forskerne sikre på, at deres opfindelse kan spille en væsentlig rolle i affaldshåndtering, genanvendelse og mange andre vigtige opgaver i de kommende år.

Fordele

Der er flere fordele, der kan udledes af dette studie. For det første åbner introduktionen af mere følsomme taktile robotter døren for langt mere robotintegration. Det har været en drøm for ingeniører at skabe robotter, der kan ankomme til en produktionsvirksomhed, lære af mennesker og derefter overtage udførelsen af deres opgaver.
Tidligere var denne tilgang ikke mulig, fordi robotterne ikke kunne håndtere kategoriseringsprocesserne for genstande. Integration af termiske sensorer og tilføjet AI øger robotternes kapaciteter og placerer dem på niveau med deres menneskelige modparter. Nu kan robotter afgøre, om æblet de holder, er ægte, falsk, varmt, koldt eller endda hul.

Virksomheder, der kan drage fordel af denne forskning

Der er mange virksomheder, der kan opnå en betydelig markedsposition, hvis de integrerer denne forskning i deres tilbud. Robotiksektoren fortsætter med at vokse, og efterhånden som flere konkurrenter træder ind på arenaen, stiger innovationen. Her er nogle få store aktører, der kunne integrere disse fund og forbedre deres bundlinje.

1. ABB

ABB er en førende international producent af robotik med et ry for kvalitet. Denne Zürich-baserede virksomhed tilbyder en række industriklar robotløsninger på markedet. Virksomhedens mest populære tilbud omfatter en mobil robotplatform kaldet Flexi Tub, som kan navigere i komplekse arbejdsmiljøer sammen med menneskelige modparter.
Yumi‑botten er virksomhedens seneste udgivelse. Denne samlebåndsrobot inkluderer en frit bevægelig arm og en række sensorer, der gør den ideel til brug i linjeaktiviteter såsom installationer og mere. Introduktionen af termiske, taktile sensorer og andre elementer fra forskernes rapport vil i høj grad forbedre denne robots kapaciteter. Derfor er ABBY en aktie, der er værd at følge.

2. Zebra Technologies

Zebra Technologies (ZBRA ) er baseret i USA. De tilbyder en række industrielle robotter, der kan håndtere komplekse opgaver som at transportere genstande gennem travle lagre, mens de undgår forhindringer og andre arbejdere. Fetch Roller 100 og Fetch 100 hylder er begge i øjeblikket i brug hos akademikere.

De vigtigste fordele ved robotterne er deres fleksibilitet, nem programmerbarhed og evnen til at koordinere opgaver via en cloud‑baseret protokol. Denne ekstra bekvemmelighed gør det nemt at spore og forbedre robotydelsen i dine operationer. Forbedring af taktile sensorkapaciteter vil udvide deres muligheder og åbne døren for flere anvendelsestilfælde på tværs af brancher.

Zebra Technologies markedsposition og det faktum, at deres arbejdende prototyper er i brug over hele verden, øger platformens aktiedemand. Analytikere forudser, at denne aktie vil vokse, efterhånden som robotikindustrien udvides. For nu er ZBRA en stærk “hold”.

Fremtid

Fremtiden for taktil robotik er lysende. Disse enheder vil hjælpe med at strømline produktionen, reducere affald og hjælpe dig gennem dine daglige aktiviteter. Du kan forvente en stigning i AI‑intelligens og autonome implementeringer på tværs af markedet i takt med, at disse enheder vokser. Her er blot nogle få anvendelsestilfælde for disse avancerede enheder.

Industriel

Industriel robotik er en milliard-dollar sektor, der fortsætter med at vokse. Producenter har længe søgt at integrere robotter, hvor det er muligt, for at strømline produktionsprocessen. Taktil robotik kan udføre, hvad der ellers ville være menneskelige opgaver, såsom at samle en genstand op og klemme den for at teste dens modenhed.
I fremtiden vil robotter blive sat til at håndtere alt fra oprettelse, fremstilling og test af nye produkter. Deres evne til at efterligne menneskelige sensorinput kan hjælpe disse enheder med at træffe mere informerede beslutninger, der afspejler nuancerne i den menneskelige oplevelse, samtidig med at de reducerer omkostningerne for producenter.

Medicinsk

Der er mange anvendelsestilfælde for taktile robotter inden for det medicinske område. Disse enheder kunne en dag hjælpe handicappede personer med manglende lemmer med at føle igen. Taktil robotik kan indeholde nøglen til at skabe proteser, der føles ægte og meget mere.
Disse videnskabelige gennembrud vil gå hånd i hånd med neurale netværkssignaler for at skabe en problemfri interaktion mellem patienten og deres kunstige lem. I de kommende år vil patienter kunne styre og føle deres proteser, som et rigtigt kropsled. Denne tilgang vil forbedre livet for millioner af mennesker verden over.

Landbrug

Landbrugssektoren er en anden branche, der ønsker at integrere taktil robotik så hurtigt som muligt. Disse robotter kan bruges til at udføre komplekse opgaver som plukning af frugt. AI‑systemer kan hjælpe enheden med at bestemme madens modenhed og kategorisere den. Derudover giver den stigende andel af mennesker, der lever med usikkerhed om fødevarer, robotlandbrug fuldstændig mening.

Forskere

Forskningspapiret blev ledet af Tsinghua University-alumnerne Qian Mao og Rong Zhu. Disse ingeniører ønskede at finde ud af, hvad der kræves for at lave en taktil robot med den menneskelige hånds kapaciteter. Deres forskning har vist sig yderst succesfuld og har nu opmærksomheden fra nogle af de største aktører i robotikindustrien.

Affaldssorteringsrobotter er kun begyndelsen

Affaldshåndteringskapaciteterne for disse robotter er kun begyndelsen. Nu hvor ingeniører har fundet en måde at overvinde vanskeligheden ved robotobjektgenkendelse i komplekse virkelige scener, åbner det døren for en ny generation af robotik drevet af innovation og et ønske om at gøre livet lettere.
Lær om andre seje projekter her.