Одной из самых горячих тем в робототехнике является область мягких роботов, которая использует мягкие и гибкие материалы, а не традиционные жесткие материалы. Но мягкие роботы были ограничены из-за отсутствия хорошего восприятия. Хороший роботизированный захват должен чувствовать, к чему он прикасается (тактильные ощущения), и он должен ощущать положение своих пальцев (проприоцепция). Такое ощущение отсутствует у большинства мягких роботов.
В новой паре статей исследователи из Лаборатории компьютерных наук и искусственного интеллекта Массачусетского технологического института (CSAIL) придумали новые инструменты, которые позволят роботам лучше воспринимать то, с чем они взаимодействуют: способность видеть и классифицировать предметы, а также мягкое, деликатное прикосновение. ,
«Мы хотим дать возможность увидеть мир, чувствуя мир. Мягкие руки робота имеют сенсорную кожу, которая позволяет им подбирать различные предметы, от деликатных, таких как картофельные чипсы, до тяжелых, таких как молочные бутылки », — говорит директор CSAIL Даниэла Рус, профессор электротехники Эндрю и Эрны Витерби и Информатика и заместитель декана по исследованиям в Массачусетском технологическом институте Стивен А. Шварцман.
Одна статья основана на исследованиях, проведенных в прошлом году в Массачусетском технологическом институте и Гарвардском университете, где команда разработала мягкий и прочный роботизированный захват в форме конусообразной структуры оригами. Он падает на объекты, очень похожие на мухоловку Венеры, чтобы подобрать предметы, в 100 раз превышающие ее вес.
Чтобы еще больше приблизить эту вновь обретенную универсальность и адаптивность к человеческим, новая команда разработала разумное дополнение: тактильные датчики, изготовленные из латексных «пузырей» (баллонов), соединенных с датчиками давления. Новые датчики позволяют захвату не только подбирать объекты, такие же тонкие, как картофельные чипсы, но и классифицировать их — позволяя роботу лучше понимать, что он собирает, и в то же время демонстрирует это легкое прикосновение.
При классификации объектов датчики правильно определили 10 объектов с точностью более 90 процентов, даже когда объект выскользнул из захвата.
«В отличие от многих других мягких тактильных датчиков, наши могут быть быстро изготовлены, модифицированы в захваты и демонстрировать чувствительность и надежность», — говорит постдок MIT Джози Хьюз, ведущий автор новой статьи о датчиках. «Мы надеемся, что они предоставят новый метод мягкого зондирования, который можно применять для широкого спектра различных применений в производственных условиях, таких как упаковка и подъем».
Во второй статье группа исследователей создала мягкий роботизированный палец под названием «GelFlex», который использует встроенные камеры и глубокое обучение для обеспечения тактильного восприятия с высоким разрешением и «проприоцепции» (осведомленность о положениях и движениях тела).
Захват, который очень похож на захват для чашек с двумя пальцами, который можно увидеть на содовой, использует механизм, приводимый в движение сухожилием, для приведения в действие пальцев. При тестировании на металлических предметах различной формы система распознавала с точностью до 96%.
«Наш мягкий палец может обеспечить высокую точность проприоцепции и точно прогнозировать захваченные объекты, а также выдерживать значительное воздействие, не нанося вреда взаимодействующей среде и самому себе», — говорит Ю. Ше, ведущий автор новой статьи о GelFlex. «Ограничивая мягкие пальцы гибким экзоскелетом и выполняя распознавание с высоким разрешением встроенными камерами, мы открываем большой спектр возможностей для мягких манипуляторов».
Волшебный шар чувств
Волшебный шариковый захват сделан из мягкой структуры оригами, заключенной в мягкий шар. Когда к баллону применяется вакуум, структура оригами закрывается вокруг объекта, и захват деформируется в его структуру.
Хотя это движение позволяет захватчику захватывать гораздо более широкий спектр предметов, чем когда-либо прежде, таких как суповые банки, молотки, бокалы для вина, дроны и даже один цветочек из брокколи, большие сложности деликатности и понимания все еще были недоступны — пока они добавили датчики.
Когда датчики испытывают силу или напряжение, внутреннее давление изменяется, и команда может измерить это изменение давления, чтобы определить, когда оно почувствует это снова.
В дополнение к датчику латекса, команда также разработала алгоритм, который использует обратную связь, чтобы позволить захватчику обладать человеческой двойственностью и быть сильным и точным — и 80 процентов тестируемых объектов были успешно захвачены без повреждения.
Команда проверила датчики-захваты на различных предметах домашнего обихода, начиная от тяжелых бутылок и заканчивая маленькими, деликатными предметами, включая банки, яблоки, зубную щетку, бутылку с водой и мешок с печеньем.
В дальнейшем команда надеется сделать методологию масштабируемой, используя методы вычислительного проектирования и реконструкции, чтобы улучшить разрешение и охват с помощью этой новой сенсорной технологии. В конце концов, они воображают, что используют новые датчики для создания плавной чувствительной кожи, которая демонстрирует масштабируемость и чувствительность.
Хьюз совместно со «Русью» написал новую статью, которую они представят практически на Международной конференции по робототехнике и автоматизации 2020 года.
Gelflex
Во втором документе команда CSAIL рассмотрела вопрос о том, как придать мягкому роботизированному захвату больше нюансов, похожих на человека чувств. Мягкие пальцы допускают широкий спектр деформаций, но для контролируемого использования должно быть богатое тактильное и проприоцептивное зондирование. Команда использовала встроенные камеры с широкоугольными объективами типа «рыбий глаз», которые детально фиксируют деформации пальца.
Чтобы создать GelFlex, команда использовала силиконовый материал для изготовления мягкого и прозрачного пальца и поместила одну камеру рядом с кончиком пальца, а другую — в середину пальца. Затем они нарисовали светоотражающие чернила на передней и боковой поверхности пальца и добавили светодиодные фонари на задней панели. Это позволяет внутренней камере «рыбий глаз» наблюдать за состоянием передней и боковой поверхности пальца.
Команда обучила нейронные сети извлекать ключевую информацию из внутренних камер для обратной связи. Одна нейронная сеть была обучена прогнозировать угол изгиба GelFlex, а другая обучалась оценивать форму и размер захватываемых объектов. Затем захват может поднять различные предметы, такие как кубик Рубика, футляр для DVD или алюминиевый блок.
Во время тестирования средняя ошибка позиционирования при захвате была менее 0,77 миллиметра, что лучше, чем у человеческого пальца. Во втором наборе испытаний у захвата возникли проблемы с захватом и распознаванием цилиндров и коробок разных размеров. Из 80 испытаний только три были классифицированы неправильно.
В будущем команда надеется улучшить алгоритмы проприоцепции и тактильного восприятия, а также использовать датчики на основе зрения для оценки более сложных конфигураций пальцев, таких как скручивание или боковой изгиб, которые являются сложными для обычных датчиков, но должны быть достижимы со встроенными камерами ,