Geavanceerde tactiele detectiestrategie verbetert de robotnauwkeurigheid bij objectdetectie

Applied Physics Review, Melville, NY

Succesvolle afvalsortering door een intelligent tactiel robotsysteem. (Afbeelding:Qian Mao en Rong Zhu/AIP Publishing)

De huidige intelligente robots kunnen veel objecten nauwkeurig herkennen door middel van zicht en aanraking. Tactiele informatie, verkregen via sensoren, samen met machine learning-algoritmen, stelt robots in staat objecten te identificeren die eerder zijn gehanteerd.

De detectie wordt echter vaak verward wanneer deze wordt gepresenteerd met objecten die qua grootte en vorm vergelijkbaar zijn, of objecten die de robot niet kent. Andere factoren die de perceptie van robots beperken, zijn onder meer achtergrondgeluid en hetzelfde type object met verschillende vormen en afmetingen.

In Applied Physics-recensies door AIP Publishing hebben onderzoekers van de Tsinghua Universiteit gewerkt aan het doorbreken van de problemen van robotherkenning van verschillende veelvoorkomende, maar complexe items.

Mensen beschikken over veel verschillende soorten aanrakingsdetectie, waarvan er één thermisch gevoel is. Hierdoor kunnen we de wind voelen waaien, warm en koud waarnemen en onderscheid maken tussen materiesoorten, zoals hout en metaal, vanwege de verschillende geproduceerde verkoelende sensaties. De onderzoekers probeerden dit vermogen na te bootsen door een robotachtige tactiele detectiemethode te ontwerpen die thermische sensaties integreerde voor een robuustere en nauwkeurigere objectdetectie.

“We stellen voor om spatiotemporele tactiele detectie te gebruiken tijdens het vastpakken van de handen om de robotfunctie uit te breiden en het vermogen om gelijktijdig meerdere kenmerken van het gegrepen object waar te nemen, waaronder thermische geleidbaarheid, thermische diffusiviteit, oppervlakteruwheid, contactdruk en temperatuur”, aldus auteur Rong Zhu.

Het team creëerde een gelaagde sensor met materiaaldetectie aan het oppervlak en drukgevoeligheid aan de onderkant, met een poreuze middenlaag die gevoelig is voor thermische veranderingen. Ze koppelden deze sensor aan een efficiënt cascadeclassificatie-algoritme dat objecttypen op volgorde uitsluit, van eenvoudig tot moeilijk, te beginnen met eenvoudige categorieën zoals lege dozen voordat ze overgaan tot sinaasappelschillen of stukjes stof.

Om de mogelijkheden van hun methode te testen, creëerde het team een intelligent tactiel robotsysteem om afval te sorteren. De robot raapte gewone afvalartikelen op, waaronder lege dozen, plastic zakken, plastic flessen, servetten, sponzen, sinaasappelschillen en verlopen medicijnen. Het sorteerde het afval in aparte containers voor recyclebare materialen, voedselresten, gevaarlijk afval en ander afval.

Hun systeem behaalde een classificatienauwkeurigheid van 98,85 procent bij het herkennen van diverse afvalobjecten die nog niet eerder waren aangetroffen. Dit succesvolle afvalsorteergedrag zou de menselijke arbeid in praktijkscenario's aanzienlijk kunnen verminderen en een brede toepasbaarheid voor slimme levenstechnologieën kunnen bieden.

Toekomstig onderzoek op dit gebied zal zich richten op het verbeteren van robotachtige belichaamde intelligentie en autonome implementatie. “Door deze sensor te combineren met hersencomputerinterfacetechnologie kan de door de sensor verzamelde tactiele informatie bovendien worden omgezet in neurale signalen die acceptabel zijn voor het menselijk brein, waardoor de tactiele waarnemingsmogelijkheden van mensen met handproblemen opnieuw worden versterkt”, aldus Zhu.

Neem voor meer informatie contact op met Wendy Beatty op Dit e-mailadres wordt beschermd tegen spambots. U heeft Javascript nodig om het te kunnen zien.; 301-209-3090.