Een internationaal team van onderzoekers heeft een waarnemingssysteem voor zachte robots ontwikkeld, geïnspireerd op de manier waarop mensen informatie over hun eigen lichaam verwerken in de ruimte en in relatie tot andere objecten en mensen. Ze beschrijven het systeem, waaronder een motion capture-systeem, zachte sensoren, een neuraal netwerk, en een zachte robotvinger, in het nummer van 30 januari van Wetenschap Robotica .

Het uiteindelijke doel van de onderzoekers is om een ​​systeem te bouwen dat de bewegingen en de interne toestand van een robot kan voorspellen zonder afhankelijk te zijn van externe sensoren. net zoals mensen dat elke dag doen. in hun Wetenschap Robotica papier, ze laten zien dat ze dit doel hebben bereikt voor een zachte robotvinger. Het werk heeft toepassingen in mens-robot interactie en draagbare robotica, evenals zachte apparaten om aandoeningen die spieren en botten aantasten te corrigeren.

Het systeem is bedoeld om de verschillende componenten na te bootsen die mensen nodig hebben om door hun omgeving te navigeren:het motion capture-systeem staat voor visie; het neurale netwerk staat in voor hersenfuncties; de sensoren voor aanraking; en de vinger voor het lichaam in interactie met de buitenwereld. Het motion capture-systeem is er om het neurale netwerk te trainen en kan worden weggegooid zodra de training is voltooid.

"De voordelen van onze aanpak zijn het vermogen om complexe bewegingen en krachten te voorspellen die de zachte robot ervaart (wat moeilijk is met traditionele methoden) en het feit dat het kan worden toegepast op meerdere soorten actuatoren en sensoren, " zei Michael Tolley, een professor in mechanische en ruimtevaarttechniek aan de Universiteit van Californië in San Diego en senior auteur van het artikel. "Onze methode omvat ook redundante sensoren, wat de algehele robuustheid van onze voorspellingen verbetert."

Onderzoekers hebben zachte spanningssensoren willekeurig ingebed in de zachte robotvinger, wetende dat ze zouden reageren op een grote verscheidenheid aan bewegingen, en gebruikte machine learning-technieken om de signalen van de sensoren te interpreteren. Hierdoor kon het team waaronder onderzoekers van het Bioinspired Robotics and Design Lab van UC San Diego, om krachten te voorspellen die worden toegepast op, en bewegingen van, de vinger. Deze benadering stelt onderzoekers in staat modellen te ontwikkelen die krachten en vervormingen kunnen voorspellen die worden ervaren door zachte robotsystemen terwijl ze bewegen.

Dit is belangrijk omdat de technieken die traditioneel worden gebruikt in robotica voor het verwerken van sensorgegevens de complexe vervormingen van zachte systemen niet kunnen vastleggen. In aanvulling, de informatie die de sensoren vastleggen is al even complex. Als resultaat, sensorontwerp, plaatsing en fabricage in zachte robots zijn moeilijke taken die enorm zouden kunnen worden verbeterd als onderzoekers toegang hadden tot robuuste modellen. Dit is wat het onderzoeksteam hoopt te bieden.

De volgende stappen omvatten het opschalen van het aantal sensoren om de dichte detectiemogelijkheden van biologische huid beter na te bootsen en het sluiten van de lus voor feedbackcontrole van de actuator.