Natuur-g geïnspireerde sensoren verbeteren autonomous machines' visie voor veiliger navigatie

Natuur als model voor snellere sensoren

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

Mechanoreceptoren en biologisch filteren

Onderzoekers hebben sensoren gebouwd geïndspireerd op spinnen, vleermuizen, vogels en andere dieren wier echte zintuigen zenuweindes zijn gekoppeld aan speciale zenuwcellen genaamd mechanoreceptoren. De zenuweindes — mechanosensoren — detecteren en verwerken alleen informatie essentieel voor een dier's overleving. Ze komen in de vorm van haren, cilia of veren. Veel biologische mechanosensoren filteren data — de informatie die ze van een omgeving ontvangen — volgens een drempelwaarde zoals veranderingen in druk of temperatuur.

De beharen mechanosensoren van een spin, bijvoorbeeld, bevinden zich op zijn poten. Wanneer een spinweb vibreert op een frequentie geassocieerd met prooi of een partner, detecteren de mechanosensoren het, wat een reflex in de spin genereert die dan heel snel reageert. De mechanosensoren zouden een lagere frequentie niet detecteren, zoals die van stof op het web, omdat het onbelangrijk is voor de spin's overleving.

Integratie in autonome machines

Het idee zou zijn om dergelijke sensoren rechtstreeks te integreren in de schil van een autonoom machine zoals een vleugel van een vliegtuig of de carrosserie van een auto. De mechanosensoren kunnen gecustomiseerd worden om vooraf bepaalde krachten te detecteren die geassocieerd zouden zijn met een bepaald object dat een autonoom machine moet vermijden.

Naast het senseren en filteren met een zeer hoge snelheid, berekenen de sensoren ook zonder een voeding nodig te hebben. In de natuur, zodra een bepaald krachtniveau de mechanoreceptoren activeert die geassocieerd zijn met de beharen mechanosensor, berekenen de mechanoreceptoren informatie door te schakelen van de ene toestand naar de andere. De nieuwe sensoren doen hetzelfde en gebruiken deze aan/uit toestanden om signalen te interpreteren. Een intelligente machine zou dan reageren volgens wat de sensoren berekenen.

Stijfheid als sleutel tot snelheid

De kunstmatige mechanosensoren zijn capabel van senseren, filteren en berekenen heel snel omdat ze stijf zijn. Het sensormateriaal is ontworpen om snel vorm te veranderen wanneer geactiveerd door een externe kracht. Vormverandering zorgt ervoor dat geleidende deeltjes in het materiaal dichter bij elkaar komen, wat dan stroom door de sensor laat vloeien en een signaal draagt. Dit signaal informeert hoe het autonoom systeem moet reageren.

Met machine learning algoritmen kunnen de sensoren getraind worden om autonoom te functioneren met minimaal energieverbruik. Er zouden ook geen barrières zijn voor het produceren van de sensoren in een verscheidenheid aan maten.