Revolutionaire tactiele robotvinger bereikt <1 mm touch lokalisatie zonder blinde vlekken

Onderzoekers hebben een nieuw type robotvinger ontwikkeld met een tastzin. De vinger kan touch lokaliseren met zeer hoge precisie (<1 mm) over een groot, multi-gekromd oppervlak, net als de menselijke tegenhanger.

Huidige methoden voor het bouwen van touch sensors hebben zich als moeilijk bewezen om te integreren in robotvingers vanwege meerdere uitdagingen inclusief moeilijkheid om multi-gekromde oppervlakken te bedekken, hoog aantallen draden, of moeilijkheid om in kleine vingertoppen te passen, wat gebruik in dextre handen verhindert. De nieuwe methode gebruikt overlappende signalen van lichtemitters en ontvangers ingesloten in een transparante golffuiderlaag die de functionele gebieden van de vinger bedekt.

Door lichttransport te meten tussen elke emitter en ontvanger, kan een heel rijke signaaldataset verkregen worden die verandert als reactie op deformatie van de vinger door touch. Puur data-gedreven deep learning methoden kunnen nuttige informatie extraheren uit de data, inclusief contactlocatie en toegepaste normale kracht, zonder de noodzaak voor analytische modellen. Het resultaat is een volledig geïntegreerde, gesensoriseerde robotvinger met een laag aantallen draden, gebouwd met toegankelijke fabricagemethoden en ontworpen voor gemakkelijke integratie in dextre handen.

Licht als tastzin

Twee aspecten van de onderliggende technologie combineren om de nieuwe resultaten mogelijk te maken. Ten eerste, gebruiken de onderzoekers licht om touch te senseren. Onder de „huid” heeft de vinger een laag gemaakt van transparant silicium waarin ze licht schenen van meer dan 30 LEDs. De vinger heeft ook meer dan 30 fotodioden die meten hoe het licht rondkaatst. Wanneer de vinger iets aanraakt, vervormt zijn huid, dus het licht verschuift in de transparante laag eronder. Door te meten hoeveel licht van elke LED naar elke diode gaat, eindigen de onderzoekers met bijna 1.000 signalen die elk enige informatie bevatten over de contact die gemaakt werd. Aangezien licht ook in een gekromde ruimte kan rondkaatsen, kunnen deze signalen een complexe 3D-vorm zoals een vingertop bedekken.

Machine learning voor data-interpretatie

Ten tweede, ontwierp het team deze data om verwerkt te worden door machine learning algoritmes. Omdat er zoveel signalen zijn, alle deels overlappend met elkaar, is de data te complex om door mensen geïnterpreteerd te worden. Gelukkig kunnen huidige machine learning technieken leren om de informatie te extraheren waar onderzoekers om geven: waar de vinger wordt aangeraakt, wat de vinger aanraakt, hoeveel kracht wordt toegepast, etc.

Daarnaast bouwden ze de vinger zodat deze en andere op robotische handen gezet kunnen worden. Het integreren van het systeem op een hand is gemakkelijk: de vinger verzamelt bijna 1.000 signalen maar heeft slechts een 14-draden kabel nodig die het met de hand verbindt en het heeft geen off-board elektronica nodig. De onderzoekers hebben twee dextre handen (in staat om objecten te grijpen en manipuleren) die met deze vingers uitgerust worden — er een heeft drie vingers en de andere vier. Het team zal deze handen gebruiken om dextre manipulatievaardigheden te demonstreren, gebaseerd op tactiele en proprioceptieve data.

Bekijk de vinger in actie op Tech Briefs TV hier. Voor meer informatie, contact Holly Evarts op dit e-mailadres wordt beschermd tegen spambots. Je hebt JavaScript nodig om het te zien.; 212-854-3206.