Sensor suave aumenta a sensibilidade da ponta dos dedos para robôs

Em um artigo publicado na Nature Machine Intelligence , uma equipe de cientistas do Instituto Max Planck para Sistemas Inteligentes (MPI-IS) introduziu um sensor háptico macio robusto chamado “Insight” que usa visão computacional e uma rede neural profunda para estimar com precisão onde os objetos entram em contato com o sensor e como grandes são as forças aplicadas. O projeto de pesquisa é um passo significativo para que os robôs sejam capazes de sentir seu ambiente com a mesma precisão que humanos e animais. Como sua contraparte natural, o sensor de ponta do dedo é muito sensível, robusto e de alta resolução.

O sensor em forma de polegar é feito de uma concha macia construída em torno de um esqueleto leve e rígido. Esse esqueleto sustenta a estrutura como os ossos estabilizam o tecido mole dos dedos. A concha é feita de um elastômero misturado com flocos de alumínio escuros, mas refletivos, resultando em uma cor acinzentada opaca que impede que qualquer luz externa entre. imagens coloridas iluminadas por um anel de LEDs.

Artigos relacionados

Sensor tátil macio com características comparáveis ​​à pele para robôs

Sensor macio lida com a pressão

Quando qualquer objeto toca a concha do sensor, a aparência do padrão de cor dentro do sensor muda. A câmera grava imagens muitas vezes por segundo e alimenta uma rede neural profunda com esses dados. O algoritmo detecta até mesmo a menor mudança na luz em cada pixel. Em uma fração de segundo, o modelo de aprendizado de máquina treinado pode mapear onde exatamente o dedo está em contato com um objeto, determinar a força das forças e indicar a direção da força. O modelo infere o que os cientistas chamam de mapa de força:ele fornece um vetor de força para cada ponto tridimensional da ponta do dedo.

“Conseguimos esse excelente desempenho de detecção por meio do design mecânico inovador do invólucro, do sistema de imagem personalizado dentro, coleta automática de dados e aprendizado profundo de ponta”, disse Georg Martius, líder do grupo de pesquisa Max Planck na MPI-IS, onde lidera o Grupo de Aprendizagem Autónoma. “Nossa estrutura híbrida exclusiva de uma concha macia que envolve um esqueleto rígido garante alta sensibilidade e robustez. Nossa câmera pode detectar até mesmo as menores deformações da superfície a partir de uma única imagem”, acrescentou seu Ph.D. estudante Huanbo Sun. Ao testar o sensor, os pesquisadores perceberam que era sensível o suficiente para sentir sua própria orientação em relação à gravidade.

Mas como esse sensor aprende? Huanbo Sun projetou um banco de testes para gerar os dados de treinamento necessários para o modelo de aprendizado de máquina para entender a correlação entre a mudança nos pixels da imagem bruta e as forças aplicadas. O testbed sonda o sensor em toda a sua superfície e registra o verdadeiro vetor de força de contato junto com a imagem da câmera dentro do sensor. Desta forma, foram geradas cerca de 200.000 medições. Levou quase três semanas para coletar os dados e mais um dia para treinar o modelo de aprendizado de máquina. Sobreviver a esse longo experimento com tantas forças de contato diferentes ajudou a provar a robustez do projeto mecânico do Insight, e testes com uma sonda maior mostraram quão bem o sistema de detecção generaliza.

Outra característica especial do sensor em forma de polegar é que ele possui uma zona em forma de unha com uma camada de elastômero mais fina. Esta fóvea tátil foi projetada para detectar até mesmo forças minúsculas e formas detalhadas de objetos. Para essa zona supersensível, os cientistas escolheram uma espessura de elastômero de 1,2 mm em vez dos 4 mm que usaram no restante do sensor de dedo.

“O design de hardware e software que apresentamos em nosso trabalho pode ser transferido para uma ampla variedade de peças de robôs com diferentes formas e requisitos de precisão. A arquitetura de aprendizado de máquina, treinamento e processo de inferência são gerais e podem ser aplicados a muitos outros projetos de sensores”, disse Huanbo Sun.