Aanraking Nabootsen met Geavanceerde AI – Is het Mogelijk?

Robots krijgen steeds meer mogelijkheden om hun omgeving waar te nemen. Sensoren en AI-algoritmen helpen apparaten om te zien, geuren te herkennen en geluiden te verwerken. Ook tastzin wordt al onderzocht en toegepast. Nieuwe meetmethoden kunnen de informatie over oppervlakken verder verrijken.

Onderzoekers van het Stevens Institute of Technology hebben een methode ontwikkeld die met laserlicht en AI de ruwheid van oppervlakken meet. Daarmee wordt een eigenschap bepaald die mensen vaak door aanraking beoordelen.

Onderzoekers hebben al lange tijd geprobeerd om aanraking via robotsystemen te simuleren. Een robot die kan voelen zou de deur openen voor tal van toepassingsscenario’s. Naarmate meer mensen gaan samenwerken met deze apparaten, groeit de interesse in robots die kunnen ‘voelen’ gestaag. Ingenieurs geloven dat dit zintuig cruciaal is voor het verbeteren van efficiëntie, mogelijkheden en veiligheid op de werkvloer.

Robots die een botsing met een mens herkennen en daarop reageren, kunnen de samenwerking veiliger maken en precieze taken uitvoeren. Daarvoor zijn geschikte sensoren en besturing nodig; de hier onderzochte optische ruwheidsmeting is op zichzelf geen aanrakingssensor.

Tastgerelateerde metingen met geavanceerde AI

Het onderzoek¹, gepubliceerd in Applied Optics, beschrijft hoe laserlicht en een AI-algoritme oppervlakteruwheid kunnen meten. De onderzoekers werkten met een optische opstelling die afzonderlijke fotonen detecteert.

De methode combineert machinaal leren met een rasterende LiDAR die afzonderlijke fotonen telt. Het algoritme gebruikt informatie uit spikkelpatronen: interferentiepatronen in het terugverstrooide laserlicht die vaak als storende ruis worden behandeld.

Oppervlakken meten met een rasterende laser

Het team ontwikkelde een rasterende LiDAR die laserpulsen naar verschillende punten op een oppervlak stuurt en de terugkerende fotonen registreert. De samenstelling en structuur van het oppervlak beïnvloeden de verstrooiing en reflectie. Deze meetgegevens dienen om de oppervlakteruwheid te schatten.

AI-modellen voor de meetgegevens

De laser scant eerst het oppervlak. Het terugkerende licht bevat een spikkelpatroon dat ontstaat door interferentie. Zulke patronen kunnen de kwaliteit van optische beelden verminderen, maar bevatten ook informatie die een getraind algoritme kan benutten.

De onderzoekers gebruikten kenmerken van deze spikkelpatronen als informatie over de ruwheid. Door het AI-model met voorbeelden te trainen, kon het uit de optische meetgegevens de oppervlakteruwheid schatten.

Bron – Magicplan

De onderzoekers scanden verschillende oppervlakken om het algoritme te trainen. Het systeem registreerde terugverstrooide fotonen, niet protonen, van verschillende meetpunten. Het licht werd via een enkelmodige optische vezel naar een detector geleid die afzonderlijke fotonen telt. De variaties in de tellingen leverden informatie over de ruwheid.

De proefopstelling

Voor de proef bouwde het team een rasterende LiDAR met één detectiepixel en een detector die afzonderlijke fotonen telt. De voor de proef gekozen laser leverde een gecollimeerde bundel waarmee het oppervlak puntsgewijs werd belicht.

De onderzoekers testten 31 industriële schuurmaterialen met verschillende oppervlakteruwheden, van ongeveer 1 tot 100 micrometer. Deze waarden beschrijven de ruwheid, niet de dikte van het schuurpapier. Het systeem zond laserpulsen naar de monsters en analyseerde het terugverstrooide licht met het AI-model.

Resultaten van het onderzoek

De proeven leverden veelbelovende resultaten op. De aanvankelijke meetfout, uitgedrukt als de wortel van de gemiddelde kwadratische fout, bedroeg ongeveer 8 micrometer. Door meerdere metingen te middelen daalde deze tot ongeveer 4 micrometer. Dit is een maat voor de meetfout, geen percentage classificatienauwkeurigheid.

De methode werkte vooral goed bij fijnkorrelige oppervlakken. De resultaten suggereren mogelijkheden voor verdere ontwikkeling van optische ruwheidsmetingen, maar tonen nog geen algemene vervanging van bestaande industriële meetsystemen aan.

Mogelijke voordelen

De methode kan interessant zijn voor verschillende industrieën. Mogelijke voordelen zijn geautomatiseerde metingen en efficiëntere inspecties. De studie bewijst echter geen algemene kostenbesparing of noodzaak om personeel te verminderen; dat hangt af van de uiteindelijke toepassing.

Snelle oppervlaktemetingen

Optische metingen kunnen oppervlakken zonder direct contact onderzoeken. Hoe snel deze methode in een productielijn werkt, hangt onder meer af van het scanbereik, het aantal meetpunten en de benodigde middeling. Verdere proeven moeten de praktische snelheid aantonen.

Integratie in bestaande systemen

De aanpak kan bestaande optische meetsystemen aanvullen. Integratiekosten en prestaties moeten per toepassing worden onderzocht. Een ruwheidsmeting op micrometerschaal stelt op zichzelf niet de volledige structurele integriteit van een onderdeel vast.

Kwaliteitscontrole

Nauwkeurige oppervlakteruwheidsmetingen kunnen de kwaliteitscontrole van onderdelen ondersteunen. Bij kritieke toepassingen, zoals vliegtuigonderdelen, blijven aanvullende inspecties en validatie nodig om relevante defecten te herkennen.

Verbeterde sortering

Sorteerrobots zouden optische informatie over oppervlakken kunnen gebruiken als aanvulling op andere sensoren. Ruwheid is echter een andere eigenschap dan stevigheid. De rijpheid van fruit beoordelen door druk uit te oefenen vereist aanvullende tastmetingen en validatie.

De onderzoekers

Het onderzoek werd uitgevoerd aan het Stevens Institute of Technology door Daniel Tafone, Luke McEvoy, Y. M. Sua en Yuping Huang, directeur van het Center for Quantum Science and Engineering. Zij onderzochten hoe optische meetgegevens en machinaal leren kunnen worden gecombineerd.

Mogelijke toepassingen

De technologie kan mogelijk optische inspecties en monitoring van onderdelen ondersteunen. Welke toepassingen haalbaar zijn en of metingen in realtime kunnen plaatsvinden, moet nog per gebruikssituatie worden vastgesteld.

Gezondheidszorg

In de gezondheidszorg kan nauwkeurige oppervlaktemeting interessant zijn. Het herkennen van verdachte moedervlekken is een mogelijke onderzoekstoepassing, maar deze proef valideert geen diagnose van melanoom. Klinische studies zouden moeten aantonen of de techniek daarvoor bruikbaar en betrouwbaar is.

Aanvullende mogelijkheden voor LiDAR

LiDAR wordt gebruikt in onder meer sommige voertuigen, robots, smartphones en robotstofzuigers. Niet elk apparaat in deze categorieën beschikt over LiDAR. De onderzochte methode kan aanvullende oppervlaktegegevens opleveren, maar toont niet aan dat microrobots daarmee al veilig door het menselijk lichaam kunnen navigeren of behandelingen uitvoeren.

Een bedrijf waarvoor de technologie interessant kan zijn

Bedrijven in robotica en industriële monitoring zouden op termijn belangstelling kunnen hebben voor aanvullende oppervlaktegegevens. De studie toont niet aan dat zulke bedrijven deze methode al hebben geïntegreerd. Toepassingen moeten verder worden ontwikkeld en getest.

Samsara 

Samsara (IOT ) is een in San Francisco gevestigd bedrijf dat oplossingen voor verbonden bedrijfsactiviteiten aanbiedt. Sanjit Biswas en John Bicket richtten het in 2015 op. Het aanbod omvat onder meer AI-dashcams, routeoptimalisatie, het volgen van materieel, terreinmonitoring en telematica.

Samsara is actief op de markt voor het Internet of Things (IoT). Daarbij verzamelen verbonden apparaten en sensoren gegevens en wisselen die uit, vaak via een netwerk of tussenliggende verbinding. Wereldwijd worden miljarden van zulke apparaten gebruikt.

Samsara helpt bedrijven om gegevens van verbonden apparaten in hun logistieke processen te gebruiken. Hiermee kunnen zij bijvoorbeeld de locatie, gebruikstoestand en inzet van materieel volgen. Het vaststellen van de authenticiteit van producten vereist geschikte aanvullende gegevens en controles.

De uitbreiding van de IoT-markt kan Samsara groeikansen bieden, zonder dat dit toekomstige rendementen garandeert. Het artikel noemt een historische beurswaarde van $30,433 miljard; dit is geen actuele koerswaarde. Een vermelding van het aandeel in de portefeuille van Harvard Management Company moet bovendien niet worden opgevat als een beleggingsaanbeveling van Harvard University.

Andere pogingen om menselijke zintuigen na te bootsen

Onderzoekers combineren verschillende benaderingen om robots tastinformatie te geven. Fysieke sensoren kunnen druk of warmte registreren, terwijl software de meetgegevens interpreteert. Ook algoritmen hebben daarvoor informatie uit een fysieke meetopstelling nodig. Hieronder staan enkele andere onderzoeksrichtingen.

Hoogwaardige keramische materialen

Een recente studie beschrijft hoe kleine keramische deeltjes in een flexibele, huidachtige laag kunnen worden verwerkt om warmte en druk te registreren. De elektrische eigenschappen van deze deeltjes helpen veranderingen in zulke prikkels meetbaar te maken.

De onderzoekers ontwikkelden flexibele sensorlagen die aanraking en het wegvallen daarvan konden registreren. Zulke materialen kunnen interessant zijn voor robotica en prothesen. Experimentele gevoeligheid betekent echter nog niet dat een prothese de menselijke tastzin in de praktijk volledig herstelt.

Kunstmatige zenuwen

In mei 2018 presenteerden onderzoekers uit de groep van Zhenan Bao aan Stanford University, samen met onderzoekers van Seoul National University, een kunstmatige sensorische zenuw. Het experimentele systeem bootste bepaalde aspecten van tastwaarneming en reflexen na; het was geen volledige vervanging van een menselijke zenuw.

Het systeem combineerde drie functies. Drukgevoelige sensoren vervulden de rol van mechanoreceptoren. Organische ringoscillatoren zetten de signalen om in pulsen, vergelijkbaar met zenuwsignalen. Organische elektrochemische transistoren bootsten bepaalde functies van synapsen na.

RobotSweater

Carnegie Mellon University presenteerde RobotSweater in 2023: een gebreide sensorbekleding die contact met een robot kan registreren. Harde sensoren zijn lastiger op bewegende of gebogen oppervlakken aan te brengen. Een flexibele bekleding kan zulke delen volgen en zo aanvullende contactinformatie leveren.

RobotSweater is een machinaal gebreide bekleding die voor driedimensionale vormen kan worden gemaakt. Twee lagen met geleidend garen worden gescheiden door een isolerende gaaslaag. Druk brengt de geleidende lagen met elkaar in contact en sluit een stroomkring, waarna de robot op het signaal kan reageren. Dit ondersteunt contactdetectie, maar garandeert niet op zichzelf volledige veiligheid.

De toekomst van robots met tastwaarneming

Robots die contact en oppervlakte-eigenschappen beter waarnemen, kunnen nieuwe mogelijkheden bieden voor samenwerking met mensen. De uiteindelijke voordelen voor veiligheid, kosten en inzetbaarheid hangen af van betrouwbare sensoren, besturing en tests. Verdere ontwikkeling moet uitwijzen welke toepassingen zich doorzetten.

Ontdek meer interessante projecten op het gebied van robotica.

Onderzoeksreferentie:

^{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}