Wat als drones en zelfrijdende auto's de tintelende "spidey senses" van Spider-Man hadden?

Ze kunnen objecten zelfs beter detecteren en vermijden, zegt Andrés Arrieta, een assistent-professor werktuigbouwkunde aan de Purdue University, omdat ze zintuiglijke informatie sneller zouden verwerken.

Betere detectiemogelijkheden zouden het voor drones mogelijk maken om in gevaarlijke omgevingen te navigeren en voor auto's om ongevallen veroorzaakt door menselijke fouten te voorkomen. De huidige state-of-the-art sensortechnologie verwerkt gegevens niet snel genoeg, maar de natuur wel.

En onderzoekers zouden geen radioactieve spin hoeven te maken om autonome machines superhelddetectievermogen te geven.

In plaats daarvan, Purdue-onderzoekers hebben sensoren gebouwd die zijn geïnspireerd op spinnen, vleermuizen, vogels en andere dieren, waarvan de werkelijke spidey-zintuigen zenuwuiteinden zijn die zijn gekoppeld aan speciale neuronen die mechanoreceptoren worden genoemd.

De zenuwuiteinden - mechanosensoren - detecteren en verwerken alleen informatie die essentieel is voor het overleven van een dier. Ze komen in de vorm van haar, trilhaartjes of veren.

"Er is al een explosie van gegevens die intelligente systemen kunnen verzamelen - en deze snelheid neemt sneller toe dan wat conventionele computers zouden kunnen verwerken, " zei Arrieta, wiens lab principes van de natuur toepast bij het ontwerpen van constructies, variërend van robots tot vliegtuigvleugels.

"De natuur hoeft niet elk stukje data te verzamelen; het filtert eruit wat het nodig heeft, " hij zei.

Veel biologische mechanosensoren filteren gegevens - de informatie die ze van een omgeving ontvangen - volgens een drempel, zoals veranderingen in druk of temperatuur.

De harige mechanosensoren van een spin, bijvoorbeeld, bevinden zich op zijn poten. Wanneer een spinnenweb trilt met een frequentie die wordt geassocieerd met een prooi of een partner, de mechanosensoren detecteren het, het genereren van een reflex in de spin die dan zeer snel reageert. De mechanosensoren zouden geen lagere frequentie detecteren, zoals dat van stof op het web, omdat het niet belangrijk is voor het voortbestaan ​​van de spin.

Het idee zou zijn om soortgelijke sensoren rechtstreeks in de schaal van een autonome machine te integreren, zoals een vliegtuigvleugel of de carrosserie van een auto. De onderzoekers demonstreerden in een paper gepubliceerd in ACS Nano dat geconstrueerde mechanosensoren geïnspireerd door de haren van spinnen konden worden aangepast om vooraf bepaalde krachten te detecteren. In het echte leven, deze krachten zouden worden geassocieerd met een bepaald object dat een autonome machine moet vermijden.

Maar de sensoren die ze hebben ontwikkeld, voelen en filteren niet alleen heel snel, ze berekenen ook, en zonder dat er een stroomvoorziening nodig is.

"Er is geen onderscheid tussen hardware en software in de natuur; het is allemaal met elkaar verbonden, " zei Arrieta. "Een sensor is bedoeld om gegevens te interpreteren, evenals het verzamelen en filteren."

In de natuur, zodra een bepaald krachtniveau de mechanoreceptoren activeert die geassocieerd zijn met de harige mechanosensor, deze mechanoreceptoren berekenen informatie door van de ene toestand naar de andere over te schakelen.

Purdue-onderzoekers, in samenwerking met Nanyang Technology University in Singapore en ETH Zürich, hebben hun sensoren ontworpen om hetzelfde te doen, en om deze aan/uit-statussen te gebruiken om signalen te interpreteren. Een intelligente machine zou dan reageren op wat deze sensoren berekenen.

Deze kunstmatige mechanosensoren zijn in staat om te voelen, filteren en berekenen zeer snel omdat ze stijf zijn, zei Arrieta. Het sensormateriaal is ontworpen om snel van vorm te veranderen wanneer het wordt geactiveerd door een externe kracht. Veranderende vorm zorgt ervoor dat geleidende deeltjes in het materiaal dichter bij elkaar komen, waardoor er elektriciteit door de sensor kan stromen en een signaal kan doorgeven. Dit signaal informeert hoe het autonome systeem moet reageren.

"Met behulp van machine learning-algoritmen, we zouden deze sensoren kunnen trainen om autonoom te functioneren met een minimaal energieverbruik, "Zei Arrieta. "Er zijn ook geen belemmeringen om deze sensoren in verschillende maten te produceren."