Att efterlikna beröring med avancerad AI – Är det möjligt?

Morgondagens robotik kommer att ha sinnen som kan jämföras med deras mänskliga motsvarigheter. Redan finns det AI-algoritmer som gör att enheter kan se, lukta och höra. Dessa förbättringar utnyttjar sensorer och avancerade algoritmer för att simulera dessa sinnen. Men ett sinne har hittills undgått forskare: beröring.

Nu har en grupp forskare från Stevens Institute of Technology avslöjat en ny metod som efterliknar beröring. Här är vad du behöver veta.

Forskare har länge försökt efterlikna beröring via robotsystem. En robot som kan känna skulle öppna dörren för många användningsscenarier. Allt fler människor börjar arbeta tillsammans med dessa enheter, och intresset för robotar som kan ‘känna’ fortsätter att öka. Ingenjörer tror att detta sinne är avgörande för att förbättra effektivitet, kapacitet och arbetsplatssäkerhet.

Tänk dig robotar som kan känna om de stöter på dig och reagera därefter. Denna förmåga skulle låta robotar som arbetar nära människor minska sina risker och möjliggöra mer precisa och tidigare endast mänskliga uppgifter.

Studie om att efterlikna beröring med avancerad AI

Studien¹, publicerad i tidskriften Applied Optics, visar hur forskarna kunde simulera beröring med hjälp av laser och en AI-algoritm. Forskarna kombinerade AI och kvantteknik för att uppnå detta mål i en kvantlabbuppsättning.
Kvantinteraktioner ger en mängd data som kan användas för att skapa och förbättra AI-modeller. Detta tillvägagångssätt kombinerar avancerad maskininlärning, en raster‑scannande enkel‑foton‑LiDAR och kvantåterkoppling i form av speckle‑brus för att utföra uppgiften.

Att efterlikna beröring med fotonavfyrande skanningslaser

Teamet skapade en raster‑scannande enkel‑foton‑LiDAR som kunde konfigureras att pulsera med olika intervall, vilket gjorde det möjligt för ingenjörer att dokumentera eventuella förändringar och återkoppling som reflekteras från ytan. Varje yta har olika brytningar beroende på dess sammansättning. Forskarna erkände detta faktum och fastställde att detta var det bästa sättet att artificiellt ge systemet förmågan att snabbt utföra topografiska skanningar.

Algoritmiska AI-modeller

AI:n skannar ytan med den proprietära lasern som första steg. Detta manöver skapar en detaljerad bild av föremålet. Den detaljerade bilden genererar slumpmässig återkoppling som kallas speckle‑brus. Tidigare var speckle‑brus ett hinder för optisk klarhet eftersom denna återkoppling minskade upplösningen.

Forskarna märkte att denna återkoppling var mer än bara störning. Den gav en unik signatur för varje yta baserat på dess grovhet. Dessa data matades in i AI‑systemet, som sedan avkodade informationen för att bestämma strukturella dimensioner, höjd och grovhet.

Källa – Magicplan

Forskarna använde denna uppsättning för att skanna flera typer av ytor för att programmera AI‑algoritmen. Specifikt registrerade systemet bakåtspridda protoner från olika punkter över ytan. Därefter samlades data in och bildade en modal‑fiber som räknas via en enkel‑foton‑detektor. Denna enhet kan skilja speckle‑brus från annan interferens, vilket gör det möjligt för forskarna att utnyttja denna interferens för att bestämma objektets släthet.

Test av att efterlikna beröring

För att testa sin teori började teamet med att konfigurera ett enkelspixel‑, raster‑scannande enkel‑foton‑räknande LiDAR‑system. Denna enhet var optimal för forskningen eftersom den kan producera en kollimerad laserstråle som kan avfyras i pikosekund‑pulser, vilket ger exakt täckning och respons.
Ingenjörerna bestämde sig för att använda 31 industriella sandpapper som testobjekt. De började med att samla in alla olika varianter och grovheter. Specifikt varierade sandpappret i tjocklek från 1 till 100 mikron. Lasern skickade sedan pulser genom transceivern och mot sandpappret. Ljuset och interferensen bröts tillbaka och beräknades av AI‑systemet.

Resultat från studien om att efterlikna beröring

Resultaten från dessa tester visar lovande. Det nya systemet hade initialt en noggrannhet på 8 mikron, vilket reducerades till 4 mikron efter finjusteringar och justeringar. Anmärkningsvärt är att denna noggrannhetsnivå är jämförbar med branschens ledande lösningar.
Systemet verkade fungera bäst när ytan hade en fin kornighet snarare än stor grovhet. Imponerande nog kunde ingenjörerna exakt bestämma sandpapprets ytkonstruktion med minimal ansträngning, vilket öppnar dörren för att denna teknik kan omforma hur industrier fungerar under de kommande åren.

Fördelar med studien om att efterlikna beröring

Denna forskning kan låsa upp många fördelar inom flera industrier. För det första skulle denna metod ge enorma kostnadsbesparingar jämfört med de nuvarande systemen. Dessutom skulle den låta tillverkare minska sin personal eftersom AI:n är mycket mer exakt. Detta skulle minska omkostnaderna och förbättra deras resultat.

Snabb ytkartläggning

Hastigheten med vilken systemet skannar en yta är en annan fördel. Denna metod kräver bara att lasern skannar ytan i några ögonblick innan bestämningen görs. På så sätt är den mycket snabbare och kräver mindre ansträngning att använda, vilket låter tillverkare utföra fler skanningar och spara.

Kostnadseffektiv integration

En annan stor fördel med denna forskning är att den erbjuder kostnadseffektiva integrationslösningar på marknaden. I många fall används LiDAR för att bestämma den strukturella integriteten hos kärnkomponenter. Detta nya system kan förbättra det befintliga LiDAR‑systemet och möjliggöra mätningar på mikronnivå.

Kvalitetskontroll

Den nya formen av ytskanning kommer att förbättra kvalitetskontrollmetoder för intrikata och exakta komponenter. Ingenjörer har länge använt system för att säkerställa att viktiga komponenter i flygplan och andra föremål är fria från defekter som potentiellt kan leda till allvarliga problem.

Förbättrad sortering

Robotsorter är redan efterfrågade och används över hela världen. Denna uppgradering kan hjälpa dessa system att förbättra sina kapaciteter genom att ge dem ett extra sinne att använda när de bestämmer en produkts sammansättning och nödvändig sortering. Till exempel skulle en robothand som kan känna kunna kontrollera fruktens fasthet för att avgöra om den är mogen eller inte.

Forskare som efterliknar beröring

Ingenjörer från Stevens Institute of Technology ledde forskningen kring lasersystemet för topografi. De arbetade nära med CQSE‑direktör Yuping Huang som en del av deras projekt. Dessutom fick Daniel Tafone och Luke McEvo erkännande för sina insatser i projektet.

Potentiella tillämpningar

Det finns många tillämpningar för denna teknik. Redan spelar LiDAR en viktig roll i säkerhetsstandarder. Denna forskning förbättrar dessa kapaciteter avsevärt och möjliggör för ingenjörer att utföra tidigare omöjlig realtidsövervakning av kritiska komponenter.

Hälsovård

Hälsovårdsindustrin har sett en växande efterfrågan på robotar som kan känna som människor. Dessa system kan hitta flera användningsområden i branschen. Ett intressant exempel skulle vara att låta dessa enheter skanna födelsemärken för att upptäcka dödliga melanom. Den laserbaserade algoritmen kan avgöra de små skillnaderna som gör ett födelsemärke säkert och ett annat potentiellt dödligt, vilket räddar tusentals patienters liv.

Förbättra LiDAR

LiDAR används i en mängd olika produkter idag. Smarta bilar, robotar, smartphones och andra produkter förlitar sig på LiDAR som sina ögon. Även din robotdammsugare har någon form av LiDAR för att undvika hinder. Denna nya teknik kan hjälpa mikrorobotar att navigera i miljöer som människokroppen och leverera livräddande behandling direkt till de nödvändiga platserna.

Företag som kan dra nytta av denna forskning

Flera robotikföretag skulle kunna integrera denna teknik och förbättra sina resultat redan idag. Robotik är en snabbt växande sektor som nu omfattar nästan alla industrier. Från att utföra operationer till att plocka frukt, kan dessa enheter få en stor förstärkning med införandet av en beröringsemulator.

Samsara 

Samsara (IOT )  är ett IoT-företag baserat i San Francisco som strävar efter att göra avtryck. Företaget grundades av Sanjit Biswas och John Bicket år 2015 för att skapa, hantera och erbjuda företagskunder en robust funktion för att spåra och övervaka logistik. Idag erbjuder företaget ett brett sortiment av produkter för att utföra detta, inklusive AI‑dashcams, ruttoptimering, utrustningsspårning, platsövervakning och telematik.

Samsara är en viktig aktör på IoT‑marknaden (Internet of Things). IoT‑enheter är de miljoner smarta enheter du ser i bruk idag. De kan vara vad som helst med internetanslutning, sensor och förmåga att kommunicera data. Idag omfattar IoT‑sektorn miljarder smarta enheter globalt.

Samsara möjliggör för företag att integrera dessa enheter i sin logistik för att förbättra resultat, effektivitet och säkerhet. IoT‑enheter kan användas för att övervaka produkter i realtid, inklusive deras skick, äkthet, plats och mycket mer.

Analytiker ser Samsara som väl positionerat för tillväxt i takt med att IoT‑industrin expanderar. Företaget har ett börsvärde på 30,433 miljarder dollar och stöds av några av de största namnen i branschen. Anmärkningsvärt är att aktien listades som ett av Harvard Universitys bästa aktieval i år, vilket stärker konsumentförtroendet.

Andra försök att efterlikna mänskliga sinnen

Att undersöka tävlingen om att få robotar att känna avslöjar några intressanta utvecklingar. Det första du märker är att det finns två mycket olika tillvägagångssätt för att ge robotar känseln av beröring. Hårdvarulösningar inkluderar enheter som kan simulera beröring genom att registrera tryck och puls, medan mjukvarulösningar integrerar algoritmer som använder återkoppling för att simulera beröring. Här är några andra sätt som forskare har funnit för att ge robotar förmågan att känna.

Högpresterande keramer

En nyligen studie visar hur mikrokeramiska partiklar kan inbäddas i ett flexibelt hudliknande lager för att möjliggöra att enheten registrerar värme och tryck. De små keramiska partiklarna ger det perfekta sättet att överföra elektriska pulser över en flexibel yta.
Denna forskning såg ingenjörer utveckla robothudtaggar som kunde avgöra om du rörde vid dem och drog bort. De gick sedan vidare med att skapa en smart protes som kunde låta användaren känna ytor och reagera därefter. De noterade att deras robothud kunde registrera beröring med dessa pulser ner till de finaste tryckinställningarna.

Artificiella nerver

Ett annat spännande genombrott inom robotisk beröring inträffade i oktober när ett team av ingenjörer från Stanford Universitys Zhenan Bao Research Group lyckades skapa en artificiell nerv. Den konstgjorda enheten designades för att fungera precis som sin mänskliga motsvarighet, så att robotar kan svara på beröring på ett effektivt sätt.
Systemet bygger på en artificiell nervuppsättning som kan delas in i tre komponenter. Mekanoreceptorerna fungerar som resistiva trycksensorer. Det finns också organiska ringoscillatorer, som fungerar liknande neuroner, samt organiska elektrokemiska transistorer som möjliggör att hela systemet kan fungera.

Robottröja

Carnegie Mellon University introducerade en Robottröja som kan göra industrirobotar mycket säkrare. Anmärkningsvärt är att dagens säkerhetssystem ofta kräver styva delar som läggs till robotarna. Problemet med detta tillvägagångssätt är att robotar inte kan täckas helt eftersom deras rörliga delar måste förbli flexibla. Detta behov ledde forskare till att överväga ett tröjliknande tyg som lösning.
Robottröjan är ett maskintygat skydd som kan passa vilken tredimensionell form som helst. På så sätt kan den skapas för att ge fullt skydd för robotar och deras mänskliga medarbetare. Enheten fungerar genom att utnyttja två lager av metalliska fibrer som integreras i dess yta. När en människa rör tröjan sluter den kretsen, meddelar roboten om händelsen och framkallar ett svar.

Framtiden för robotar som efterliknar beröring

Robotar som kan efterlikna beröring är framtiden. Dessa enheter kommer att öppna dörren för mer integration tillsammans med mänskliga medarbetare. Denna utveckling kommer att leda till robotar som förbättrar säkerheten, sparar resurser och ger flera industrier lösningar på långvariga problem. Således kommer efterfrågan på robotar som kan efterlikna beröring bara att öka under de kommande åren. För närvarande bör du förvänta dig att se fler robotmedarbetare under de kommande månaderna.

Läs om andra spännande robotikprojekt nu.

Studierreferens:

^{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}