Gelişmiş AI ile Dokunmayı Taklit Etmek – Mümkün mü?

Robotların çevrelerini algılama yetenekleri gelişiyor. Kamera, mikrofon ve diğer sensörlerden gelen verileri işleyen yapay zekâ; görme, işitme ve koku algılamaya yönelik sistemlerde kullanılabiliyor. Dokunma için de basınç ve sıcaklık sensörleri mevcut, ancak insan dokunuşunun tüm özelliklerini taklit etmek hâlâ zor.

Stevens Institute of Technology araştırmacıları, yüzey pürüzlülüğünü temas etmeden ölçen bir lazer ve makine öğrenmesi yöntemi geliştirdi. Bu, insandaki dokunma hissinin aynısı değil; yüzey özelliklerini optik verilerden çıkaran bir ölçüm yaklaşımı.

Dokunsal algılama, insanlarla birlikte çalışan robotların temasları fark etmesine ve hassas nesneleri daha kontrollü tutmasına yardımcı olabilir. Stevens çalışması ise doğrudan temas kuvvetini ölçmek yerine yüzey pürüzlülüğünü uzaktan değerlendirmeyi amaçlıyor.

Bir kişiye çarptığını algılayıp durabilen robot, yakın insan-robot etkileşiminde yararlı olabilir. Ancak burada incelenen optik yöntem, tek başına böyle bir güvenlik sistemi veya dokunsal robot eli olarak doğrulanmış değil.

Yapay zekâyla yüzey pürüzlülüğü ölçümü

Çalışma¹, Applied Optics dergisinde yayımlandı. Araştırmacılar, tek foton sayımlı LiDAR ölçümlerini makine öğrenmesiyle birleştirdi. Yüzeyden geri saçılan ışığın beneklenme örüntüsü, pürüzlülük hakkında bilgi sağlıyor. Kuantum bilimi laboratuvarında geliştirilen bu düzenek, bir kuantum bilgisayar ya da insan benzeri duyusal deneyim gerektirmiyor.

Tek foton sayımlı tarama lazeri

Düzenek, yüzeyi satır satır tarayan bir LiDAR sistemi kullanıyor. Kısa lazer darbelerinin yüzeyden geri saçılan kısmı ölçülüyor. Farklı noktalardaki foton sayılarının değişimi, malzemenin yüzey pürüzlülüğünü tahmin etmek için değerlendiriliyor.

Makine öğrenmesi modelleri

Lazer taramasından elde edilen verilerde beneklenme gürültüsü bulunuyor. Bu optik girişim etkisi, görüntülemede çoğu zaman istenmez. Araştırmacılar ise örüntüdeki değişimleri yüzeyin özellikleri hakkında yararlı bir sinyal olarak kullandı.

Model, farklı noktalarda ölçülen foton sayılarındaki değişimi analiz ederek pürüzlülük tahmini yapıyor. Çalışmanın gösterdiği sonuç, nesnenin tüm boyutlarını veya her türlü mekanik özelliğini eksiksiz belirlemek değil.

Yüzeyden geri saçılan parçacıklar fotonlardır. Toplanan ışık tek modlu bir optik fibere aktarılıyor ve tek foton dedektörüyle sayılıyor. Ardından tarama boyunca foton sayılarındaki değişim, makine öğrenmesi için girdi oluşturuyor.

Deney düzeni

Araştırmacılar tek pikselli, satır satır tarama yapan bir foton sayımlı LiDAR kurdu. Pikososaniyelik lazer darbeleri, yüzey örneklerine yöneltildi. Deneylerde 31 endüstriyel zımpara örneği kullanıldı. Yaklaşık 1–100 mikrometrelik aralık zımparanın toplam kalınlığını değil, incelenen yüzey pürüzlülüğünü ifade ediyor.

Deney sonuçları

Stevens’ın açıklamasına göre ilk deneylerde kök ortalama kare hata yaklaşık 8 mikrometreydi; birden fazla örnekten alınan sonuçlar birleştirildiğinde yaklaşık 4 mikrometreye indi. Bu, belirli deney koşullarındaki hata ölçüsüdür ve tüm yüzeylerde aynı doğruluğun elde edileceği anlamına gelmez. Yöntem, ince taneli yüzeylerde daha iyi sonuç verdi.

Olası avantajlar

Temassız pürüzlülük ölçümü, bazı üretim ve kontrol süreçlerinde yararlı olabilir. Bununla birlikte çalışma, iş gücü azaltımı, kesin maliyet tasarrufu veya ticari sistemlere göre genel bir üstünlük göstermedi. Bu sonuçlar uygulama bazında değerlendirilmelidir.

Yüzey taraması

Tarama süresi, yüzey alanına, ölçüm noktalarının sayısına ve gereken doğruluğa bağlıdır. Yöntemin belirli bir üretim hattına uygunluğu, hız ve güvenilirlik testleriyle belirlenmelidir.

Mevcut sistemlere uyarlama

LiDAR çeşitli alanlarda zaten kullanılıyor. Bu çalışma, uygun optik ve hesaplama bileşenleriyle yüzey özelliği ölçümüne yönelik yeni bir yaklaşım sunuyor. Ancak mevcut her LiDAR cihazı yazılım değişikliğiyle otomatik olarak mikrometre düzeyinde ölçüm yapamaz; entegrasyon maliyeti de henüz kanıtlanmış değil.

Kalite Kontrolü

Yüzey pürüzlülüğü ölçümü, hassas parçaların kalite kontrolüne katkıda bulunabilir. Bununla birlikte tek bir yüzey ölçümü, parçanın iç yapısında kusur bulunmadığını veya kullanımda güvenli olduğunu kanıtlamaz.

Sınıflandırma uygulamaları

Yüzey özelliklerine ilişkin ek veriler, robotik sınıflandırma sistemlerinde yararlı olabilir. Ancak optik pürüzlülük ölçümü ile bir nesnenin sertliğini doğrudan ölçmek aynı şey değildir. Örneğin meyve olgunluğunu güvenilir biçimde belirlemek için başka sensörler ve doğrulama gerekir.

Araştırma ekibi

Çalışmanın yazarları Daniel Tafone, Luke McEvoy, Yong Meng Sua ve Yu-Ping Huang’dır. Araştırma, Stevens Institute of Technology bünyesindeki Kuantum Bilimi ve Mühendisliği Merkezi ile bağlantılı olarak yürütüldü.

Potansiyel Uygulamalar

LiDAR ve yüzey ölçüm yöntemleri üretim, robotik ve sağlık araştırmalarında kullanılabilir. Buradaki sonuçlar laboratuvar örneklerine dayanıyor; sürekli gerçek zamanlı izleme gibi uygulamalar için ek geliştirme ve saha testleri gerekiyor.

Sağlık

Araştırmacılar, benlerin yüzeyindeki küçük farklılıkların gelecekte cilt değerlendirmelerinde incelenebileceğini belirtiyor. Ancak çalışma melanom tanısı koyan klinik bir sistem geliştirmedi, tanı duyarlılığı ve özgüllüğünü göstermedi veya hasta yaşamını kurtardığını kanıtlamadı. Tıbbi kullanım ayrı klinik araştırmalar gerektirir.

LiDAR’ı Geliştirme

LiDAR bazı araçlarda, robotlarda, telefonlarda ve robot süpürgelerde kullanılıyor; tüm modellerde bulunmuyor. Yüzey özelliklerinin daha ayrıntılı ölçümü yeni uygulamalara katkıda bulunabilir. Buna karşılık insan vücudunda gezinip tedavi uygulayan mikro robotlar bu çalışmanın gösterdiği bir sonuç değil.

İlgili alanda faaliyet gösteren bir şirket

Robotik ve bağlantılı cihaz şirketleri, gelişen sensör teknolojilerinden yararlanabilir. Aşağıdaki şirket örneği, Stevens yöntemini kullandığı veya araştırmacılarla ortaklık kurduğu anlamına gelmiyor.

Samsara 

Samsara (IOT ), San Francisco merkezli bir bağlantılı operasyonlar ve nesnelerin interneti şirketidir. Sanjit Biswas ve John Bicket tarafından 2015’te kuruldu. Araç kameraları, filo telematiği, ekipman takibi ve operasyon verilerinin yönetimi gibi çözümler sunuyor.

Nesnelerin interneti, sensörler ve iletişim bileşenleriyle veri toplayıp paylaşabilen fiziksel cihazları kapsar. Bir cihazın internete bağlanması, tek başına yüzey pürüzlülüğü veya dokunma algılama yeteneği sağladığı anlamına gelmez.

Samsara’nın platformu, müşterilerin araç ve ekipman verilerini izlemesine yardımcı oluyor. İzlenebilen özellikler, kullanılan sensörlere ve yapılandırmaya bağlıdır; ürünün özgünlüğü veya her türlü fiziksel durumu otomatik olarak doğrulanmaz.

Şirketin büyüme potansiyeli müşteri talebi, rekabet, maliyetler ve finansal sonuçlar gibi etkenlere bağlıdır. Metinde aktarılan 30,433 milyar dolarlık piyasa değeri tarihsel bir anlık değerdir. Bir üniversite fonunun olası hisse sahipliği, üniversitenin bireysel yatırımcılara verdiği bir yatırım tavsiyesi olarak yorumlanmamalıdır.

İnsan Duyularını Taklit Etmeye Yönelik Diğer Çabalar

Robotlarda dokunma algısı farklı yöntemlerle geliştiriliyor. Basınç ve sıcaklık sensörleri fiziksel temas hakkında veri toplarken, optik yöntemler yüzey özelliklerini uzaktan tahmin edebilir. Algoritmalar bu verileri yorumlar; sensörlerin yerini tümüyle almaz.

Yüksek Performanslı Seramikler

İlgili bir çalışma, esnek malzemelerle birlikte kullanılan mikro seramik parçacıkların basınç ve sıcaklık algılamada nasıl değerlendirilebileceğini ele alıyor. Bu tür elektronik deri ve protez araştırmaları, optik pürüzlülük ölçümünden farklıdır. Bir prototipin temasları algılaması, insan dokunma duyusunun tüm özelliklerini kazandığı anlamına gelmez.

Yapay Sinirler

Stanford ve Seul Ulusal Üniversitesi araştırmacıları, Mayıs 2018’de yapay bir duyusal sinir sistemi bildirdi. Sistem, basınç sensörlerini bir osilatör ve sinaptik transistörle birleştirdi. Deneylerde Braille harflerini ayırt etme ve bir hamamböceğinde refleks hareketini tetikleme gösterildi. Bu, insan sinir sisteminin tüm işlevlerini yerine getiren bir sinir değil, duyusal sinyal işlemeye yönelik bir prototipti.

RobotSweater: dokunmaya duyarlı örgü kaplama

Carnegie Mellon Üniversitesi araştırmacıları, 2023’te RobotSweater adlı örgü sensör kaplamasını tanıttı. Kaplama, kıvrımlı robot yüzeylerine uyarlanabiliyor ve temas ile basıncı algılıyor. İletken şeritler arasındaki bağlantılar basınç altında değiştiğinde sistem bu teması kaydediyor.

Deneylerde kaplı robot kolunu elle yönlendirme ve bir mobil robota dokunarak komut verme gösterildi. Geniş yüzey kapsamı faydalı olsa da kaplama tek başına bütün çarpışmaları önleyen veya tam güvenlik sağlayan bir sistem değildir.

Dokunsal algılamanın geleceği

Temas sensörleri ve optik yüzey ölçümü, robotların çevrelerinden daha fazla veri toplamasını sağlayabilir. İnsanlarla güvenli çalışabilen sistemler geliştirmek için algılamanın yanı sıra kontrol yazılımı, mekanik tasarım ve doğrulama da gerekir. Bu çalışmalar gelecekteki uygulamalara temel oluşturabilir; belirli bir yaygınlaşma takvimi veya maliyet avantajı garanti etmez.

Diğer robotik projeleri buradan keşfedin.

Çalışma Referansı:

^{1. Tafone, D., McEvoy, L., Sua, Y. M., & Huang, Y.-P. (2024). Raster taramalı tek foton LiDAR ile yüzey pürüzlülüğü metrologisi. Applied Optics, 63(30), 7917–7923. https://doi.org/10.1364/AO.537404}