روبات‌ها نیز حس لامسه خواهند داشت!
تشخیص و لمس اشیاء با دستکش پوشیده از ۵۵۰ حسگر
 

یکی از تفاوت های انسان ها با روبات ها بازخورد ناشی از حس لامسه است. انسان ها می توانند اشیاء را به خوبی از هم تشخیص دهند و به کار ببرند، چون با لمس کردن اطلاعات لازم را درباره کیفیت و کمیت آنها دریافت می کنند. روبات ها از بازخوردی که ما پس از تماس با اشیاء و محیط پیرامون به دست می آوریم برخوردار نیستند. با این حال تلاش دانشمندان همیشه در این بوده است تا روبات هایی بسازند که از عهده انجام کارهایی که انسان ها انجام می دهند بر آیند، مثل شستن ظرف ها یا دیگر امور روزمره. اگر می خواهیم روبات ها چنین کارهایی را انجام دهند باید طوری ساخته شوند که بتوانند اشیاء را خوب به کار بگیرند و نگه دارند.
پژوهشگران مؤسسه فناوری ماساچوست (MIT) یک دستکش بافتنی کم هزینه با نام STAG ساخته اند که ۵۵۰ حسگر ریز در آن کار گذاشته شده است.
این حسگرها تقریباً سراسر دست را می پوشانند. هنگامی که فرد اشیاء را بر می دارد و به دست می گیرد هر کدام از این حسگرها می توانند سیگنال های فشار را دریافت کنند. سپس یک شبکه عصبی این سیگنال ها را پردازش می کند تا مجموعه داده هایی از الگوهای مرتبط با سیگنال های فشار را فرا گیرد. در نهایت این سیستم پوشیدنی هوشمند با استفاده از مجموعه داده ها اشیاء را طبقه بندی می کند و فقط با حس کردن، وزن آنها را پیش بینی می کند، بدون این که کمکی دیداری به آن افزوده شود.
پژوهشگران MIT با پوشیدن دستکش ابداعی خود و به دست گرفتن اشیاء مختلف موفق شدند مجموعه داده هایی حجیمی گردآوری کنند که به سیستم های برخوردار از هوش مصنوعی امکان تشخیص اشیاء را تنها از طریق لمس کردن می دهد. این اطلاعات جمع آوری شده به روبات ها کمک می کند اشیا مختلف را شناسایی کنند و در دست نگه دارند. همچنین این دستکش می تواند در طراحی پروتزها متخصصین را یاری کند.
مجموعه داده های جمع آوری شده با پوشیدن دستکش برای لمس ۲۶ شی مختلف از جمله قوطی سودا، قیچی، توپ تنیس، قاشق، خودکار و لیوان دسته دار گردآوری شد. با استفاده از داده های دریافتی دستکش ماهیت اشیاء را با دقت ۷۶ درصد پیش بینی کرد. این سیستم همچنین می تواند وزن درست بیشتر اشیائی که حدود ۶۰ گرم وزن دارند را پیش بینی کند.
دستکش های حسگردار مشابهی که امروزه استفاده می شوند هزاران دلار قیمت دارند و بیشترشان فقط به حدود ۵۰ حسگر تجهیز شده اند. منطقی است که ۵۰ حسگر نسبت به ۵۵۰ حسگر اطلاعات بسیار کم تری را در خود ضبط می کنند. دستکش STAGکه داده هایی با وضوح بسیار بالا ارائه می دهد، از الیاف قابل دسترسی که به راحتی در هر بازاری موجود است و در مجموع بیش از ۱۰ دلار هزینه نداشته ساخته شده است.
این سیستم حسگر لمسی را می توان در کنار بینایی رایانه ای سنتی و مجموعه داده های تصویری استفاده کرد تا در تعامل با اشیاء درکی شبیه به درک انسانی به روبات ها داده شود. پژوهشگرها همچنین با کمک این مجموعه داده میزان همکاری نواحی مختلف دست به دنبال تعامل با اشیاء را سنجیدند. برای مثال، هنگامی که شخصی از بند میانی انگشت اشاره اش استفاده می کند، به ندرت شستش را به کار می گیرد. اما جالب است که نوک انگشت اشاره و انگشت میانی همیشه در ارتباط با کاربرد شست هستند. ساخت این دستکش حسی برای نخستین بار نشان داد که اگر در حال استفاده از یک قسمت از دستمان هستیم، چقدر احتمال دارد که قسمت دیگری از دستمان را هم به کار بگیریم.
سازندگان اندام های مصنوعی با بهره گیری از این داده ها می توانند بهترین نقاط را برای قرار دادن حسگرهای فشار انتخاب کنند و پروتزها را متناسب با کارها و اشیائی که افراد به طور معمول با آنها سر و کار دارند بسازند.
دستکش هوشمند STAG با لایه ای از پلیمر رسانای الکتریسیته پوشیده شده است که نسبت به فشارهای وارده به آن مقاومتش را تغییر می دهد. پژوهشگرها نخ های رسانا را از میان حفره های لایه پلیمری از نوک انگشتان تا انتهای کف دست عبور دادند و دوختند. نخ ها طوری با هم همپوشانی دارند که به حسگرهای فشار تبدیل شده اند. زمانی که شخصی دستکش را می پوشد و یک شی را با آن لمس می کند، بلند می کند، در دست نگه می دارد و به زمین می اندازد، حسگرها مقدار فشار وارده به دستکش را در هر مرحله ثبت می کنند.
این نخ های رسانا از دستکش به یک مدار خارجی متصل هستند. وظیفه مدار تبدیل داده های فشاری به نقشه های لمسی است و در اصل ویدئوهای کوتاه از نقاطی هستند که روی تصویر گرافیکی یک دست ظاهر و سپس جمع می شوند. نقطه ها نمایانگر محل هایی هستند که فشار به آنها وارد شده و اندازه نقطه ها نشان دهنده مقدار نیروی اعمال شده به آنها است. نقاط بزرگ تر به معنی فشار بیشتر هستند.
از روی نقشه ای که با این نقاط ترسیم شده پژوهشگرها مجموعه داده ای مشتمل بر ۱۳۵هزار فریم ویدئویی که نتیجه تعامل با ۲۶ شی ء است جمع آوری کردند. فریم ها را می توان در شبکه ای از اعصاب به کار برد تا ماهیت و وزن اشیاء تشخیص داده شوند، علاوه بر این که کمک می کنند تا دیدگاه قابل فهمی از نحوه گرفتن چیزهای مختلف با انگشتان دستمان داشته باشیم. هدف اصلی از گردآوری این داده ها انتخاب فریم هایی از شیوه های مختلف جمع کردن انگشتان و تغییر شکل دست بود تا تصویری کامل از شی حاصل شود. ایده حائز اهمیت در این کار تقلید چندین حالت از دست انسان در حین تعامل با یک شی بود تا بدون استفاده از حس بینایی شیء را شناسایی کند. پژوهشگران برای تشخیص شیء مورد نظر یک شبکه عصبی پیچشی (CNN) را طراحی کردند که معمولاً برای طبقه بندی تصاویر به کار برده می شود.
دستکش STAG را می توان با حسگرهایی که در حال حاضر روی مفاصل روبات ها نصب می شوند ترکیب کرد. این حسگرها میزان نیروی گشتاوری وارده را اندازه گیری می کنند تا به روبات ها کمک کنند بهتر وزن اشیاء را پیش بینی کنند. مفاصل برای تشخیص وزن مهم هستند، اما نوک انگشتان تا کف دست هم اجزایی هستند که برای شناسایی مقدار وزن اشیاء نقشی اساسی ایفا می کنند.

code

Email this page

نسخه مناسب چاپ