Wetenschap
(A) Schematisch diagram van het materiële identificatieproces van de tribo-elektrische tactiele perceptie slimme vinger. (B) Structuur van de tribo-elektrische tactiele perceptie slimme vinger, bestaande uit een tribo-elektrische sensorarray, data-acquisitie en transmissiemodule en weergavemodule. (C) Schematisch diagram van de uitgangssignalen van de tribo-elektrische sensorarray wanneer de slimme vinger verschillende materialen identificeert. a.u., willekeurige eenheden. (D) Typische materialen die zich op verschillende posities in de tribo-elektrische reeks bevinden:Elektronegativiteit neemt toe van rechts naar links; omgekeerd neemt de elektropositiviteit van links naar rechts toe. (E) Stroomdiagram van de interactie tussen de modules van de slimme vinger bij het identificeren van materialen. Krediet:Wetenschappelijke vooruitgang (2022). DOI:10.1126/sciadv.abq2521
Een team van onderzoekers van de Chinese Academie van Wetenschappen heeft een kunstvinger ontwikkeld die bepaalde oppervlaktematerialen met 90% nauwkeurigheid kan identificeren. In hun paper gepubliceerd in het tijdschrift Science Advances , beschrijft de groep hoe ze tribo-elektrische sensoren gebruikten om hun testvinger de mogelijkheid te geven om tastzin te krijgen.
Voorafgaand onderzoek heeft geleid tot de ontwikkeling van robotvingers die het vermogen hebben om bepaalde eigenschappen van bepaalde oppervlakken te herkennen, zoals druk of temperatuur. aangeraakt worden.
De vinger is gemaakt door kleine vierkante sensoren aan te brengen op de punt van een vingervormig object. Elk van de vierkanten was gemaakt van een ander soort plastic polymeer, elk gekozen vanwege hun unieke elektrische eigenschappen. Wanneer dergelijke sensoren dicht bij een object worden bewogen, zoals een plat oppervlak, interageren elektronen van de sensoren op unieke manieren met de materialen.
De sensoren onder het polymeer waren allemaal verbonden met hun eigen processors in de vinger, die vervolgens met elkaar werden verbonden om resultaten te kunnen vergelijken en voor op machine learning gebaseerde gegevensanalyse. De onderzoekers bevestigden ook een klein LCD-scherm voor het weergeven van resultaten. De onderzoekers testten vervolgens hun vinger door deze verschillende vlakke oppervlakken te laten aanraken, zoals die van glas, hout, plastic en silicium. Ze vonden het in staat om gemiddeld 96,8% van de tijd het juiste materiaal te detecteren, met een minimale nauwkeurigheid van 90% voor alle oppervlakken. De onderzoekers testten de vinger ook op uithoudingsvermogen door hem duizenden keren een oppervlak te laten raken en ontdekten dat hij goed genoeg standhield voor industriële toepassingen.
De onderzoekers suggereren dat als hun vinger in een industriële omgeving zou worden gebruikt, deze rechtstreeks zou kunnen worden aangesloten op een controlemechanisme. Ze suggereren ook dat het kan worden gebruikt om producten te testen om ervoor te zorgen dat ze voldoen aan de productienormen. En ze merken ook op dat zo'n vinger ook kan worden gebruikt op een menselijke robot op ware grootte, wat bijdraagt aan de mogelijkheden ervan. Ze wijzen erop dat de technologie achter hun vinger waarschijnlijk kan worden gebruikt in prothetische apparaten om een bepaalde mate van aanraking te helpen herstellen voor mensen die een dergelijke vaardigheid hebben verloren. + Verder verkennen
© 2022 Science X Network
Wetenschap © https://nl.scienceaq.com