Berührung nachahmen durch fortschrittliche KI – ist das möglich?

Die Robotik von morgen wird Sinne besitzen, die mit denen ihrer menschlichen Gegenstücke vergleichbar sind. Bereits gibt es KI‑Algorithmen, die Geräten das Sehen, Riechen und Hören ermöglichen. Diese Verbesserungen nutzen Sensoren und fortschrittliche Algorithmen, um diese Sinne zu simulieren. Allerdings hat ein Sinn die Forscher bisher entzogen: das Tasten.

Jetzt hat eine Gruppe von Forschern des Stevens Institute of Technology eine neuartige Methode vorgestellt, die das Tasten nachahmt. Hier ist, was Sie wissen müssen.

Forscher haben schon lange versucht, das Tasten über robotische Systeme nachzuahmen. Ein Roboter, der fühlen kann, würde die Tür zu vielen Anwendungsfällen öffnen. Da immer mehr Menschen neben diesen Geräten arbeiten, steigt das Interesse an Robotern, die „fühlen“ können, weiter. Ingenieure glauben, dass dieser Sinn entscheidend ist, um Effizienz, Fähigkeiten und Arbeitssicherheit zu verbessern.

Denken Sie an Roboter, die erkennen können, ob sie mit Ihnen zusammenstoßen, und entsprechend reagieren. Diese Fähigkeit würde Robotern, die eng mit Menschen zusammenarbeiten, ermöglichen, ihre Risiken zu reduzieren und präzisere, bisher nur von Menschen ausführbare Aufgaben zu übernehmen.

Berührung nachahmen durch fortschrittliche KI-Studie

Die Studie¹, veröffentlicht in der Zeitschrift Applied Optics, zeigt, wie Forscher das Tasten mittels Laser und eines KI‑Algorithmus simulieren konnten. Die Forscher kombinierten KI und Quantentechnologie, um dieses Ziel in einem Quantenlaborsetup zu erreichen.
Quanteninteraktionen liefern eine Fülle von Daten, die zur Erstellung und Verbesserung von KI‑Modellen verwendet werden können. Dieser Ansatz kombiniert fortschrittliches maschinelles Lernen, ein rasterndes Einzelphoton‑LiDAR und Quanten‑Feedback in Form von Rauschen (Speckle‑Noise), um diese Aufgabe zu bewältigen.

Berührung nachahmen mittels photonenauslösendem Scanlaser

Das Team entwickelte ein rasterndes Einzelphoton‑LiDAR, das so konfiguriert werden konnte, dass es in unterschiedlichen Intervallen pulsiert, wodurch Ingenieure Änderungen und Rückmeldungen von der Oberfläche dokumentieren konnten. Jede Oberfläche weist je nach Zusammensetzung unterschiedliche Brechungen auf. Die Forscher erkannten dies und bestimmten, dass dies der beste Weg sei, dem System künstlich die Fähigkeit zu verleihen, schnell topografische Scans durchzuführen.

Algorithmische KI‑Modelle

Die KI scannt die Oberfläche mit dem proprietären Laser als ersten Schritt. Dieser Vorgang erzeugt ein detailliertes Bild des Objekts. Das detaillierte Bild erzeugt ein zufälliges Rückmeldungsgeräusch, das als Speckle‑Noise bezeichnet wird. Früher war Speckle‑Noise ein Hindernis für optische Klarheit, da dieses Feedback die Auflösung verringerte.

Die Forscher bemerkten, dass dieses Feedback mehr als nur Störung war. Es lieferte eine einzigartige Signatur für jede Oberfläche basierend auf ihrer Rauheit. Diese Daten wurden dem KI‑System zugeführt, das anschließend die Informationen entschlüsselte, um die Abmessungen, die Höhe und die Rauheit der Struktur zu bestimmen.

Quelle – Magicplan

Die Forscher nutzten dieses Setup, um verschiedene Oberflächenarten zu scannen und den KI‑Algorithmus zu programmieren. Konkret registrierte das System zurückgestreute Protonen von unterschiedlichen Punkten über die Oberfläche. Von dort aus werden die Daten gesammelt und zu einer Modenfaser geformt, die über einen Einzelphoton‑Detektor gezählt wird. Dieses Gerät kann Speckle‑Noise von anderer Interferenz unterscheiden, wodurch Forscher diese Interferenz nutzen können, um die Glätte des Objekts zu bestimmen.

Berührung nachahmen – Test

Um ihre Theorie zu testen, richtete das Team ein Einzel‑Pixel‑rasterndes Einzelphoton‑Zähl‑LiDAR‑System ein. Dieses Gerät war für die Forschung optimal, da es einen kollimierten Laserstrahl erzeugen kann, der in Pikosekunden‑Pulsen abgefeuert wird und damit genaue Abdeckung und Reaktionsfähigkeit bietet.
Die Ingenieure beschlossen, 31 industrielle Schleifpapiere als Testobjekte zu verwenden. Sie begannen damit, alle verschiedenen Sorten und Rauheiten zu beschaffen. Konkret reichte das Schleifpapier von 1 bis 100 Mikrometer Dicke. Der Laser sandte dann Pulse durch den Transceiver und auf das Schleifpapier. Das Licht und die Interferenz wurden zurückgebrochen und vom KI‑System berechnet.

Ergebnisse der Studie zum Nachahmen von Berührung

Die Ergebnisse dieser Tests zeigen vielversprechend. Das neue System hatte zunächst eine Genauigkeit von 8 Mikrometern, die nach Feinabstimmung und Anpassungen auf 4 Mikrometer reduziert wurde. Bemerkenswerterweise ist dieses Genauigkeitsniveau mit den führenden Lösungen der Branche vergleichbar.
Insbesondere funktionierte das System am besten, wenn die Oberfläche eine feine Körnung statt grober Rauheit aufwies. Beeindruckend war, dass die Ingenieure die Oberflächenstruktur der Schleifpapiere mit minimalem Aufwand genau bestimmen konnten, was die Tür dafür öffnet, dass diese Technologie die Arbeitsweise von Industrien in den kommenden Jahren neu gestaltet.

Vorteile der Studie zum Nachahmen von Berührung

Diese Forschung könnte zahlreiche Vorteile in vielen Branchen freischalten. Zum einen würde diese Methode enorme Kosteneinsparungen gegenüber den derzeit eingesetzten Systemen ermöglichen. Darüber hinaus könnten Hersteller ihre Belegschaft reduzieren, da die KI weitaus genauer ist. Dieser Schritt würde die Gemeinkosten senken und das Ergebnis verbessern.

Schnelle Oberflächenkartierung

Die Geschwindigkeit, mit der das System eine Oberfläche scannt, ist ein weiterer Vorteil. Diese Methode erfordert nur, dass der Laser die Oberfläche für wenige Momente scannt, bevor die Bestimmung erfolgt. Damit ist sie viel schneller und erfordert weniger Aufwand, sodass Hersteller mehr Scans durchführen und sparen können.

Kosten‑günstige Integration

Ein weiterer großer Vorteil dieser Forschung ist, dass sie kostengünstige Integrationslösungen für den Markt bietet. In vielen Fällen wird LiDAR verwendet, um die strukturelle Integrität von Kernkomponenten zu bestimmen. Dieses neue System könnte das eingesetzte LiDAR verbessern und befähigen, Messungen auf Mikrometer‑Ebene durchzuführen.

Qualitätskontrolle

Die neue Form des Oberflächenscannens wird die Qualitätskontrollmethoden für komplexe und präzise Bauteile verbessern. Ingenieure nutzen seit langem Systeme, um sicherzustellen, dass wichtige Komponenten von Flugzeugen und anderen Produkten frei von Defekten sind, die potenziell zu ernsthaften Problemen führen könnten.

Verbesserte Sortierung

Robotersortierer sind bereits weltweit stark nachgefragt und im Einsatz. Dieses Upgrade könnte diesen Systemen helfen, ihre Fähigkeiten zu verbessern, indem es ihnen einen zusätzlichen Sinn zur Verfügung stellt, den sie bei der Bestimmung der Zusammensetzung und erforderlichen Sortierung eines Produkts nutzen können. Zum Beispiel könnte eine robotische Hand, die fühlen kann, die Festigkeit von Produkten prüfen, um zu bestimmen, ob sie reif sind oder nicht.

Forscher zum Nachahmen von Berührung

Ingenieure des Stevens Institute of Technology führten die Forschung am Lasertopographiesystem an. Sie arbeiteten eng mit CQSE‑Direktorin Yuping Huang im Rahmen ihres Projekts zusammen. Zusätzlich erhielten Daniel Tafone und Luke McEvo Anerkennung für ihre Beiträge zu dem Projekt.

Potenzielle Anwendungen

Es gibt zahlreiche Anwendungsmöglichkeiten für diese Technologie. Bereits spielt LiDAR eine wesentliche Rolle bei Sicherheitsstandards. Diese Forschung verbessert diese Fähigkeiten erheblich und ermöglicht Ingenieuren, bislang nie mögliche Echtzeit‑Überwachungen kritischer Komponenten durchzuführen.

Gesundheitswesen

Die Gesundheitsbranche verzeichnet eine wachsende Nachfrage nach Robotern, die wie Menschen fühlen können. Diese Systeme könnten in der Branche vielfältige Einsatzmöglichkeiten finden. Ein interessantes Anwendungsbeispiel wäre, dass diese Geräte Muttermale auf tödliche Melanome untersuchen. Der laserbasierte Algorithmus könnte die feinen Unterschiede bestimmen, die ein Muttermal sicher und das andere potenziell tödlich machen, und damit das Leben von Tausenden Patienten retten.

LiDAR verbessern

LiDAR wird heute in einer Vielzahl von Produkten eingesetzt. Smarte Autos, Roboter, Smartphones und andere Geräte nutzen LiDAR als ihre Augen. Selbst Ihr Saugroboter enthält eine Form von LiDAR, um Hindernisse zu vermeiden. Diese neue Technologie könnte Mikroroboter dabei unterstützen, Umgebungen wie den menschlichen Körper zu navigieren und lebensrettende Behandlungen direkt an die erforderlichen Stellen zu liefern.

Unternehmen, die von dieser Forschung profitieren können

Mehrere Robotikunternehmen könnten diese Technologie integrieren und ihre Ergebnisse bereits heute verbessern. Robotik ist ein schnell wachsender Sektor, der mittlerweile fast jede Branche umfasst. Von der Durchführung von Operationen bis zum Pflücken von Früchten könnten diese Geräte durch die Einführung eines Tastemulators einen erheblichen Schub erhalten.

Samsara 

Samsara (IOT )  ist ein in San Francisco ansässiges IoT‑Unternehmen, das für Aufsehen sorgen will. Das Unternehmen wurde 2015 von Sanjit Biswas und John Bicket gegründet, um Unternehmens­kunden ein zuverlässiges Feature zum Verfolgen und Überwachen von Logistik bereitzustellen. Heute bietet das Unternehmen ein breites Produktspektrum an, um diese Aufgabe zu erfüllen, darunter KI‑Dashcams, Routenoptimierung, Geräteverfolgung, Standortüberwachung und Telematik.

Samsara ist ein wichtiger Akteur im IoT‑ (Internet of Things)‑Markt. IoT‑Geräte sind die Millionen von Smart‑Devices, die Sie heute in Gebrauch sehen. Sie können alles sein, das eine Internetverbindung, einen Sensor und die Fähigkeit zur Datenkommunikation besitzt. Heute umfasst der IoT‑Sektor weltweit Milliarden von Smart‑Devices.

Samsara ermöglicht Unternehmen, diese Geräte in ihre Logistik zu integrieren, um Ergebnisse, Effizienz und Sicherheit zu verbessern. IoT‑Geräte können eingesetzt werden, um Produkte in Echtzeit zu überwachen, einschließlich ihres Zustands, ihrer Authentizität, ihres Standorts und vieles mehr.

Analysten sehen Samsara gut positioniert für Wachstum, da die IoT‑Branche expandiert. Das Unternehmen hat eine Marktkapitalisierung von 30,433 Mrd. $ und wird von einigen der größten Namen der Branche unterstützt. Bemerkenswerterweise wurde die Aktie dieses Jahr von der Harvard University als einer der Top‑Aktienempfehlungen gelistet, was das Vertrauen der Verbraucher stärkt.

Andere Versuche, menschliche Sinne nachzuahmen

Die Untersuchung des Wettlaufs, Roboter fühlen zu lassen, offenbart einige interessante Entwicklungen. Das Erste, was auffällt, ist, dass es zwei sehr unterschiedliche Ansätze gibt, um Robotern den Tastsinn zu verleihen. Hardware‑Lösungen integrieren Geräte, die das Tasten durch Registrierung von Druck und Herz (vermutlich “heat”) simulieren, während Software‑Lösungen Algorithmen einbinden, die Feedback nutzen, um das Tasten zu simulieren. Hier sind einige weitere Wege, die Forscher gefunden haben, um Robotern die Fähigkeit zu geben, zu fühlen.

Hochleistungs‑Keramik

Eine aktuelle Studie zeigt, wie Mikrokeramik‑Partikel in eine flexible, hautähnliche Schicht eingebettet werden können, um dem Gerät zu ermöglichen, Wärme und Druck zu registrieren. Die winzigen Keramikpartikel bieten den idealen Weg, elektrische Impulse über eine flexible Oberfläche zu übertragen.
Diese Forschung zeigte, dass Ingenieure Roboterskin‑Tags entwickelten, die erkennen konnten, ob Sie dagegen gestrichen und sich zurückgezogen haben. Anschließend entwickelten sie eine intelligente Prothese, die dem Nutzer das Fühlen von Oberflächen ermöglicht und entsprechend reagiert. Sie stellten fest, dass ihre robotische Haut in der Lage war, das Tasten mittels dieser Impulse bis zu den feinsten Druckeinstellungen zu registrieren.

Künstliche Nerven

Ein weiterer spannender Durchbruch im Bereich des robotischen Tastens erfolgte im Oktober, als ein Team von Ingenieuren der Zhenan Bao Forschungsgruppe der Stanford University erfolgreich ein künstliches Nervensystem erschuf. Das künstliche Gerät wurde so konzipiert, dass es wie sein menschliches Gegenstück funktioniert und Robotern ermöglicht, effektiv auf Berührungen zu reagieren.
Das System basiert auf einem künstlichen Nervensetup, das in drei Komponenten unterteilt werden kann. Die Mechanorezeptoren fungieren als resistive Drucksensoren. Es gibt zudem organische Ringoszillatoren, die ähnlich wie Neuronen arbeiten, sowie organische elektrochemische Transistoren, die das gesamte System zum Betrieb befähigen.

Robot‑Pullover

Die Carnegie Mellon University stellte einen Robot‑Pullover vor, der Industrie‑Roboter deutlich sicherer machen könnte. Bemerkenswerterweise erfordern heutige Sicherheitssysteme oft starre Teile, die an Robotern angebracht werden. Das Problem bei diesem Ansatz ist, dass Roboter nicht vollständig bedeckt werden können, da ihre beweglichen Teile flexibel bleiben müssen. Dieses Bedürfnis führte die Forscher dazu, ein pulloverähnliches Gewebe als Lösung in Betracht zu ziehen.
Der Robot‑Pullover ist ein maschinell gestricktes Cover, das jede dreidimensionale Form anpassen kann. Damit kann er vollständigen Schutz für Roboter und ihre menschlichen Mitarbeiter bieten. Das Gerät funktioniert, indem es zwei Schichten aus Metallfasern nutzt, die in seine Oberfläche integriert sind. Sobald ein Mensch den Pullover berührt, schließt er den Stromkreis, benachrichtigt den Roboter über den Vorfall und löst eine Reaktion aus.

Zukunft von Robotern, die Berührung nachahmen

Roboter, die Berührung nachahmen können, sind die Zukunft. Diese Geräte werden die Tür für eine stärkere Integration neben menschlichen Kollegen öffnen. Diese Entwicklung wird zu Robotern führen, die die Sicherheit verbessern, Kosten einsparen und zahlreichen Branchen Lösungen für langanhaltende Probleme bieten. Daher wird die Nachfrage nach Robotern, die Berührung nachahmen, in den kommenden Jahren weiter steigen. Für den Moment sollten Sie in den kommenden Monaten mit mehr robotischen Kollegen rechnen.

Erfahren Sie jetzt mehr über andere coole Robotikprojekte jetzt.

Studienreferenz:

^{1. Tafone, D., McEvoy, L., Sua, Y. M., & Huang, Y.-P. (2024). Oberflächenrauheits‑Metrologie mit einem rasternden Einzelphoton‑LiDAR. Applied Optics, 63(30), 7917–7923. https://doi.org/10.1364/AO.537404}