Met behulp van machine learning, ETH-onderzoekers hebben een nieuwe, maar goedkope tactiele sensor ontwikkeld. De sensor meet krachtverdeling met hoge resolutie en met grote nauwkeurigheid, waardoor robotarmen gevoelige of breekbare voorwerpen kunnen grijpen.

Mensen hebben geen probleem met het oppakken van breekbare of gladde voorwerpen met onze handen. Onze tastzin laat ons voelen of we het voorwerp stevig vast hebben of dat het op het punt staat door onze vingers te glippen, zodat we de sterkte van onze grip dienovereenkomstig kunnen aanpassen. Robotgrijparmen die belast zijn met het oppakken van voorwerpen die breekbaar of glad zijn of een complex oppervlak hebben, hebben ook dit soort feedback nodig.

Robotica-onderzoekers van ETH Zürich hebben nu een tactiele sensor ontwikkeld die in zo'n geval van pas zou kunnen komen - en markeert wat zij zien als een belangrijke stap in de richting van "robothuid". Het uiterst eenvoudige ontwerp van de sensor maakt het goedkoop te produceren, zoals de ingenieurs aangeven. Eigenlijk, het bestaat uit een elastische siliconen "skin" met gekleurde plastic microbeads en een gewone camera die aan de onderkant is bevestigd.

Metingen met puur optische invoer

De sensor is vision-based:als hij in contact komt met een object, er verschijnt een inkeping in de siliconenhuid. Dit verandert het patroon van de microbeads, die wordt geregistreerd door de fisheye-lens aan de onderkant van de sensor. Van die veranderingen tot het patroon, het is mogelijk om de krachtverdeling op de sensor te berekenen.

"Conventionele sensoren registreren de uitgeoefende kracht op slechts één punt. onze robothuid laat ons onderscheid maken tussen verschillende krachten die op het sensoroppervlak inwerken, en bereken ze met een hoge resolutie en nauwkeurigheid, " zegt Carlo Sferrazza. Hij is een doctoraalstudent in de groep onder leiding van Raffaello D'Andrea, Hoogleraar dynamische systemen en besturing aan de ETH Zürich. "We kunnen zelfs de richting bepalen van waaruit een kracht werkt, " zegt Sferrazza. Met andere woorden, de onderzoekers kunnen niet alleen krachten identificeren die verticale druk uitoefenen op de sensor, maar ook dwarskrachten, die zijdelings werken.

Datagedreven ontwikkeling

Om te berekenen welke krachten de microbeads in welke richting duwen, de ingenieurs gebruiken een uitgebreide reeks experimentele gegevens:in tests die werden gestandaardiseerd door middel van machinebesturing, ze onderzochten verschillende soorten contact met de sensor. Ze waren in staat om de locatie van het contact nauwkeurig te controleren en systematisch te variëren, de krachtverdeling en de grootte van het object dat contact maakt. Met behulp van machine learning, de onderzoekers registreerden enkele duizenden contactmomenten en koppelden deze nauwkeurig aan veranderingen in het kralenpatroon.

Het dunste sensorprototype dat de onderzoekers tot nu toe hebben gebouwd, is 1,7 centimeter dik en heeft een meetoppervlak van 5 x 5 centimeter. Echter, de onderzoekers werken eraan om met dezelfde techniek grotere sensoroppervlakken te realiseren die zijn uitgerust met meerdere camera's, en kan dus ook objecten met een complexe vorm herkennen. In aanvulling, ze willen de sensor dunner maken - ze denken dat het mogelijk is om met bestaande technologie een dikte van slechts 0,5 centimeter te bereiken.

Robotica, sport en virtual reality

Doordat de elastische siliconen slipvast zijn en de sensor schuifkrachten kan meten, het is zeer geschikt voor gebruik in robotgrijparmen. "De sensor zou herkennen wanneer een object uit de greep van de arm dreigt te glippen, zodat de robot zijn grijpkracht kan aanpassen, " legt Sferrazza uit.

Onderzoekers zouden zo'n sensor ook kunnen gebruiken om de hardheid van materialen te testen of om aanrakingen digitaal in kaart te brengen. Indien geïntegreerd in wearables, fietsers konden meten hoeveel kracht ze op de fiets uitoefenen via de pedalen, of hardlopers kunnen de kracht meten die in hun schoenen gaat tijdens het joggen. als laatste, dergelijke sensoren kunnen informatie verstrekken die belangrijk is voor het ontwikkelen van tactiele feedback, bijvoorbeeld voor virtual reality-games.