Kosketuksen emulointi edistyneen AI:n avulla – onko se mahdollista?

Huomispäivän robotiikalla tulee olemaan aisteja, jotka ovat verrattavissa ihmisiin. Jo nyt on tekoälyalgoritmeja, joiden avulla laitteet voivat nähdä, haistaa ja kuulla. Nämä parannukset hyödyntävät antureita ja kehittyneitä algoritmeja näiden aistien simuloimiseksi. Yksi aisti on kuitenkin väistänyt tutkijoita tähän mennessä: kosketus.

Stevens Institute of Technologyn tutkijaryhmä on nyt paljastanut uuden menetelmän, joka jäljittelee kosketusta. Tässä on mitä sinun tulee tietää.

Tutkijat ovat jo pitkään pyrkineet jäljittelemään kosketusta robottijärjestelmien avulla. Robotti, joka kykenisi tuntemaan, avaisi oven monille käyttötapauksille. Kun yhä useammat ihmiset alkavat työskennellä näiden laitteiden rinnalla, kiinnostus robotteihin, jotka pystyvät "tuntemaan", kasvaa jatkuvasti. Insinöörit uskovat, että tämä aisti on ratkaisevan tärkeä tehokkuuden, kykyjen ja työpaikan turvallisuuden parantamisessa.

Ajattele robotteja, jotka voisivat kertoa törmääessään sinuun ja reagoida sen mukaisesti. Tämän kyvyn ansiosta robotit, jotka työskentelevät tiiviisti ihmisten kanssa, voivat vähentää riskejään ja antaa heille mahdollisuuden suorittaa tarkempia ja aiemmin vain ihmisille tarkoitettuja tehtäviä.

Kosketuksen emulointi edistyneen AI-tutkimuksen avulla

Tutkimus¹, julkaistu lehdessä Soveltuva optiikka, paljastaa, kuinka tutkijat pystyivät simuloimaan kosketusta lasereiden ja tekoälyalgoritmin avulla. Tutkijat yhdistivät tekoälyn ja kvanttiteknologian saavuttaakseen tämän tavoitteen kvanttilaboratoriossa.

Kvanttivuorovaikutukset tarjoavat runsaasti tietoa, jota voidaan käyttää tekoälymallien luomiseen ja parantamiseen. Tämä lähestymistapa yhdistää edistyneen koneoppimisen, rasteripyyhkäisevän yksittäisen fotonin LiDAR:n ja kvanttipalautteen pilkkukohinan muodossa tämän tehtävän suorittamiseksi.

Kosketuksen emulointi Fotoneilla sytyttävän skannaavan laserin käyttäminen

Tiimi loi rasteripyyhkäisevän yhden fotonin LiDARin, joka voitiin asettaa pulssimaan eri aikavälein, jolloin insinöörit pystyivät dokumentoimaan pinnasta heijastuneita muutoksia ja palautetta. Jokaisella pinnalla on erilainen taittuminen sen koostumuksesta riippuen. Tutkijat tunnistivat tämän tosiasian ja päättelivät, että tämä oli paras tapa keinotekoisesti tarjota järjestelmälle kyky suorittaa topografisia skannauksia nopeasti.

Algoritmiset tekoälymallit

Tekoäly skannaa pinnan käyttämällä patentoitua laseria ensimmäisenä askeleena. Tämä toimenpide luo kohteesta yksityiskohtaisen kuvan. Yksityiskohtainen kuva tuottaa satunnaista palautetta, jota kutsutaan pilkkukohinaksi. Aiemmin pilkkukohina haittasi optista selkeyttä, koska tämä palaute alensi resoluutiota.

Tutkijat huomasivat, että tämä palaute oli enemmän kuin interferenssiä. Se antoi jokaiselle pinnalle ainutlaatuisen tunnusmerkin sen karheuden perusteella. Nämä tiedot syötettiin tekoälyjärjestelmään, joka sitten tulkitsi tiedot määrittääkseen rakenteen mitat, korkeuden ja karheuden.

Lähde – Magicplan

Tutkijat hyödynsivät tätä laitteistoa useiden erityyppisten pintojen skannaamiseen tekoälyalgoritmin ohjelmoimiseksi. Tarkemmin sanottuna järjestelmä rekisteröi takaisinsironneita protoneja pinnan eri pisteistä. Sieltä tiedot kerätään ja muodostetaan moodikuiduksi, joka lasketaan yhdellä fotonidetektorilla. Tämä laite pystyy erottamaan täpläkohinan muista häiriöistä, minkä ansiosta tutkijat voivat hyödyntää tätä häiriötä kohteen tasaisuuden määrittämiseen.

Kosketustestin emulointi

Testatakseen teoriaansa tiimi aloitti perustamalla yhden pikselin rasteripyyhkäisevän yhden fotonin laskevan LiDAR-järjestelmän. Tämä laite oli optimaalinen tutkimukseen, koska se pystyy tuottamaan kollimoidun lasersäteen, joka voidaan laukaista pikosekunnin pulsseilla, mikä tarjoaa tarkan peiton ja vasteen.

Insinöörit päättivät käyttää koekohteinaan 31 teollisuushiomapaperia. He aloittivat hankkimalla kaikki erilaiset lajikkeet ja karkeudet. Tarkemmin sanottuna hiekkapaperin paksuus oli 1-100 mikronia. Laser kuljetti sitten pulsseja lähetin-vastaanottimen ja hiekkapaperin läpi. Valo ja häiriöt taitettiin takaisin ja laskettiin AI-järjestelmällä.

Kosketustutkimuksen tulosten emulointi

Näiden testien tulokset ovat lupaavia. Uuden järjestelmän tarkkuus oli aluksi 8 mikronia, mutta hienosäädön ja säätöjen jälkeen se pieneni 4 mikroniin. Merkillepantavaa on, että tämä tarkkuustaso on verrattavissa alan johtaviin ratkaisuihin.

Erityisesti järjestelmä vaikutti toimivan parhaiten, kun pinnassa oli hienojakoisia rakeita eikä suuria karheuksia. Vaikuttavalla tavalla insinöörit pystyivät määrittämään tarkasti hiekkapaperien pintarakenteen pienellä vaivalla, mikä avasi oven tälle teknologialle, joka muuttaa teollisuuden toimintaa tulevina vuosina.

Kosketustutkimuksen etujen emulointi

Tämä tutkimus voi avata monia etuja useilla toimialoilla. Ensinnäkin tämä menetelmä toisi valtavia kustannussäästöjä nykyisiin käytössä oleviin järjestelmiin verrattuna. Lisäksi se antaisi valmistajille mahdollisuuden vähentää työntekijöitään, koska tekoäly on paljon tarkempi. Tämä toimenpide vähentäisi yleiskustannuksia ja parantaisi niiden tulosta.

Nopea pintakartoitus

Järjestelmän pinnan skannausnopeus on toinen etu. Tämä menetelmä vaatii laserilta vain hetken skannausta pintaa ennen määrityksen tekemistä. Siten se on paljon nopeampi ja vaatii vähemmän vaivaa, minkä ansiosta valmistajat voivat suorittaa enemmän skannauksia ja säästää rahaa.

Edullinen integrointi

Toinen suuri plussa tälle tutkimukselle on se, että se tarjoaa edullisia integraatioratkaisuja markkinoille. Monissa tapauksissa LiDAR:ia käytetään ydinkomponenttien rakenteellisen eheyden määrittämiseen. Tämä uusi järjestelmä voisi parantaa käytössä olevaa LiDAR:ia ja antaa sille mahdollisuuden tehdä mittauksia mikronitasolla.

Laadunvalvonta

Uusi pintaskannausmuoto parantaa monimutkaisten ja tarkkojen komponenttien laadunvalvontamenetelmiä. Insinöörit ovat pitkään käyttäneet järjestelmiä varmistaakseen, että lentokoneiden ja muiden esineiden tärkeissä osissa ei ole vikoja, jotka voivat johtaa vakaviin ongelmiin.

Tehostettu lajittelu

Robottilajittelijat ovat jo erittäin kysyttyjä ja käytössä kaikkialla maailmassa. Tämä päivitys voisi auttaa näitä järjestelmiä parantamaan ominaisuuksiaan antamalla niille lisätuntumaa määritettäessä tuotteen koostumusta ja vaadittua lajittelua. Esimerkiksi robottikäsi, joka voisi tuntea, voisi tarkistaa tuotteen kiinteyden määrittääkseen, oliko se kypsä vai ei.

Kosketustutkijoiden emulointi

Stevens Institute of Technologyn insinöörit johtivat lasertopografiajärjestelmän tutkimusta. He tekivät tiivistä yhteistyötä CQSE:n johtajan Yuping Huangin kanssa osana projektiaan. Lisäksi Daniel Tafone ja Luke McEvo saivat tunnustusta ponnisteluistaan ​​projektin parissa.

Mahdolliset sovellukset

Tälle tekniikalle on monia sovelluksia. LiDARilla on jo tärkeä rooli turvallisuusstandardeissa. Tämä tutkimus parantaa näitä ominaisuuksia merkittävästi ja antaa insinööreille mahdollisuuden suorittaa kriittisten komponenttien reaaliaikaista seurantaa ennennäkemättömällä tavalla.

Terveydenhuolto

Terveydenhuoltoala on nähnyt kasvavaa kysyntää roboteille, jotka voivat tuntua ihmisiltä. Näille järjestelmille voisi löytyä useita käyttötarkoituksia teollisuudessa. Yksi mielenkiintoinen käyttötapaus olisi antaa näiden laitteiden skannata myyrät kuolemaan johtavien melanoomien etsimiseksi. Laserpohjainen algoritmi voisi määrittää pienet erot, jotka tekevät yhdestä moolista turvallisen ja toisesta mahdollisesti hengenvaarallisen, mikä säästää tuhansien potilaiden hengen.

Paranna LiDARia

LiDARia käytetään nykyään monissa tuotteissa. Älykkäät autot, robotit, älypuhelimet ja muut tuotteet luottavat siihen, että LiDAR toimii heidän silmissään. Jopa robottiimuri sisältää jonkinlaisen LiDAR:n esteiden välttämiseksi. Tämä uusi teknologia voisi auttaa mikrorobotteja navigoimaan ympäristöissä, kuten ihmiskehossa, ja toimittamaan hengenpelastushoitoa suoraan tarvittaviin paikkoihin.

Yritys, joka voi hyötyä tästä tutkimuksesta

Useat robotiikkayritykset voisivat integroida tämän teknologian ja parantaa tuloksiaan tänään. Robotiikka on nopeasti kasvava ala, joka kattaa nyt lähes kaikki toimialat. Leikkausten suorittamisesta hedelmien poimimiseen näissä laitteissa voi olla merkittävä lisäys kosketusemulaattorin käyttöönoton myötä.

Samsara 

Samsara (IOT )  on San Franciscossa toimiva IoT-yritys, joka pyrkii luomaan aaltoja. Sanjit Biswas ja John Bicket perustivat yrityksen vuonna 2015 luodakseen, hallitakseen ja tarjotakseen yritysasiakaskunnalle vankan ominaisuuden logistiikan seurantaan ja seurantaan. Nykyään yritys tarjoaa laajan valikoiman tuotteita tämän tehtävän suorittamiseen, mukaan lukien tekoälykamerat, reitin optimointi, laitteiden seuranta, sivuston valvonta ja telematiikka.

Samsara on merkittävä toimija IoT (Internet of Things) -markkinoilla. IoT-laitteet ovat miljoonia älylaitteita, joita näet nykyään käytössä. Ne voivat olla mitä tahansa, joissa on Internet-yhteys, anturi ja kyky välittää tietoja. IoT-sektori sisältää nykyään miljardeja älylaitteita maailmanlaajuisesti.

Samsaran avulla yritykset voivat integroida nämä laitteet logistiikkaan parantaakseen tuloksia, tehokkuutta ja turvallisuutta. IoT-laitteiden avulla voidaan seurata tuotteita reaaliajassa, mukaan lukien niiden kunto, aitous, sijainti ja paljon muuta.

Analyytikot näkevät Samsaran hyvässä asemassa kasvuun IoT-alan laajentuessa. Yhtiön markkina-arvo on 30.433 miljardia dollaria, ja sillä on tukea alan suurimmilta nimiltä. Merkillepantavaa on, että osake listattiin yhdeksi Harvardin yliopiston parhaista osakevalinnoista tänä vuonna, mikä vahvisti kuluttajien luottamusta.

Muita yrityksiä jäljitellä ihmisen aisteja

Kun tarkastellaan kilpailua robottien tunteiden saamiseksi, havaitaan mielenkiintoisia kehityskulkuja. Ensimmäinen asia, jonka huomaat, on, että on olemassa kaksi hyvin erilaista lähestymistapaa, joilla robotit saavat tuntoaistin. Laitteistoratkaisut sisältävät laitteita, jotka voivat simuloida kosketusta rekisteröimällä painetta ja sydäntä, kun taas ohjelmistoratkaisut integroivat algoritmeja, jotka hyödyntävät palautetta kosketuksen simuloimiseen. Tässä on joitain muita tapoja, joilla tutkijat ovat havainneet antavan roboteille kyvyn tuntea.

Korkean suorituskyvyn keramiikka

Viime opiskella osoittaa, kuinka mikrokeraamiset hiukkaset voidaan upottaa joustavaan ihon kaltaiseen kerrokseen, jotta laite voi rekisteröidä lämpöä ja painetta. Pienet keraamiset hiukkaset tarjoavat täydellisen tavan siirtää sähköpulsseja joustavan pinnan läpi.

Tässä tutkimuksessa insinöörit kehittivät robotin ihotunnisteita, jotka voisivat kertoa, jos harjaat sitä vasten ja vetäydyit pois. Sitten he loivat älykkään proteesin, jonka avulla käyttäjä voi tuntea pintoja ja reagoida sen mukaisesti. He totesivat, että heidän robottiihonsa pystyi rekisteröimään kosketuksen käyttämällä näitä pulsseja hienoimpiin paineasetuksiin saakka.

Keinotekoiset hermot

Toinen jännittävä läpimurto robotin kosketuksen alalla tapahtui lokakuussa, kun Stanfordin yliopiston Zhenan Bao Research Groupin insinööriryhmä onnistui luomaan tekohermon. Ihmisen valmistama laite suunniteltiin toimimaan aivan kuten sen ihmisen vastine, koska sen avulla robotit voivat reagoida kosketukseen tehokkaasti.

Järjestelmä perustuu keinotekoiseen hermokokoonpanoon, joka voidaan jakaa kolmeen osaan. Mekanoreseptorit toimivat resistiivisinä paineantureina. On myös orgaanisia rengasoskillaattorit, jotka toimivat samalla tavalla kuin neuronit, ja orgaanisia sähkökemiallisia transistoreita, jotka mahdollistavat koko järjestelmän toiminnan.

Robotti villapaita

Carnegie Mellon -yliopisto esitteli robottipaidan, joka voisi tehdä teollisuusroboteista paljon turvallisempia. Merkillepantavaa on, että nykypäivän turvajärjestelmät vaativat usein jäykkiä osia robotteihin. Ongelmana hänen lähestymistavassaan on, että robotteja ei voida peittää kokonaan, koska niiden liikkuvien osien on pysyttävä joustavina. Tämä toive johti tutkijat harkitsemaan ratkaisuksi paidan kaltaista kangasta.

Robot Sweater on koneneulottu päällinen, joka sopii mihin tahansa kolmiulotteiseen muotoon. Sellaisenaan se voidaan luoda tarjoamaan täyden suojan roboteille ja heidän työtovereilleen. Laite toimii hyödyntämällä kahta metallikuitukerrosta, jotka on integroitu sen pintaan. Aina kun ihminen koskettaa villapaitaa, se sulkee piirin, ilmoittaa robotille tapauksesta ja yllyttää reagoimaan.

Kosketusrobottien emuloinnin tulevaisuus

Robotit, jotka voivat jäljitellä kosketusta, ovat tulevaisuutta. Nämä laitteet avaavat oven integraatiolle työtovereiden rinnalla. Tämä kehitys johtaa robotteihin, jotka parantavat turvallisuutta, säästävät rahoitusta ja tarjoavat useille toimialoille ratkaisuja pitkäaikaisiin ongelmiin. Sellaisenaan kosketusta jäljittelevien robottien kysyntä vain kasvaa tulevina vuosina. Toistaiseksi sinun pitäisi odottaa näkeväsi lisää robottityöntekijöitä tulevina kuukausina.

Opi muista upeista robotiikkaprojekteista nyt.

Tutkimusviite:

^{1. Tafone, D., McEvoy, L., Sua, YM ja Huang, Y.-P. (2024). Pinnan karheusmetrologia rasteripyyhkäisevällä yksittäisfotonilla LiDAR. Soveltava optiikka, 63(30), 7917-7923. https://doi.org/10.1364/AO.537404}