Kunstmatige intelligentie heeft de manier waarop robots werken dramatisch verbeterd de wereld begrijpen.
Met computervisie kunnen robots objecten detecteren, patronen herkennen en door complexe omgevingen navigeren. Camera’s helpen robots onderdelen op transportbanden te identificeren, pakketten in bakken te vinden en obstakels in magazijnen te vermijden.
Maar wanneer de robot het nodig heeft neem een voorwerpvisie alleen is niet genoeg.
Om objecten betrouwbaar te kunnen manipuleren, hebben robots iets nodig waar mensen altijd op hebben vertrouwd: aanraken.
Het is hier tactiele waarneming belangrijk zijn.
De meeste robotsystemen zijn tegenwoordig sterk afhankelijk van camera’s.
Visie werkt goed voor:
- detectie van objecten
- schatting opleveren
- navigatie
- scène begrip
Maar de camera kan niet meten fysieke interactie.
Wanneer een robot een object vastpakt, komen er veel belangrijke variabelen naar voren die niet direct door de camera kunnen worden waargenomen:
- contactkracht
- drukverdeling
- wrijving
- gleed uit
- materiële naleving
Stel je bijvoorbeeld voor dat je nat glas, een zachte doek of een stijf metalen onderdeel oppakt.
Elk vereist een andere begripsstrategie. Mensen passen hun grijpkracht automatisch aan op basis van hoe we ons voelen. Robots die uitsluitend op visie vertrouwen, moeten dat wel doen deze eigenschappen indirect afleidenwat veel moeilijker is.
Deze beperkingen verklaren waarom manipulatie een van de grootste uitdagingen in de robotica blijft.
De menselijke hand bevat verschillende typen mechanoreceptoren die verschillende aspecten van aanraking detecteert.
Deze receptoren stellen ons in staat om te voelen:
- aanhoudende druk
- trillingen
- vervorming van de huid
- textuur
- temperatuur
Samen helpen deze signalen ons complexe taken uit te voeren, zoals:
- onze greep verstevigen wanneer een voorwerp begint weg te glijden
- pas de positie van de vinger aan tijdens manipulatie
- objecten herkennen zonder te kijken
Robotsystemen vereisen vergelijkbare mogelijkheden om betrouwbare manipulatie te realiseren.
Tactiele detectie geeft robots de mogelijkheid om dit te doen de contactdynamiek begrijpenwat belangrijk is voor de interactie met de fysieke wereld.
Moderne tactiele detectiesystemen kunnen tijdens het grijpen verschillende soorten informatie vastleggen.
Primaire detectiemodaliteiten zijn onder meer:
Druk
Meet de grootte, vorm en intensiteit van het contact.
Drukgegevens helpen de robot bij het bepalen van:
- kwaliteit begrijpen
- plaats het voorwerp in de grijper
- objectidentiteit
Trillingen
Detecteer snelle veranderingen in contacten.
Dit is handig voor het identificeren van:
- ontsporing gebeurtenis
- botsing
- oppervlakte interacties
Proprioceptie
Het meten van de grijperconfiguratie zelf.
Dit helpt de robot het volgende te begrijpen:
- vinger positie
- grijper vorm
- vervorming van voorwerpen tijdens het grijpen
Samen geven deze signalen de robot een een rijker begrip van interacties met objecten.
Wat betekent tactiele detectie in robotica?
Tactiele detectie verwijst naar de technologie waarmee robots dit kunnen doen fysiek contact met objecten detecteren en interpreteren.
In tegenstelling tot visionsystemen meten tactiele sensoren interacties direct op het contactpunt.
Veel voorkomende tactiele detectiemogelijkheden zijn onder meer:
- drukdetectie (locatie en intensiteit van contact)
- trillingsdetectie (slipdetectie)
- krachtverdeling in de grijper
- vingerconfiguratie en objectvervorming
Deze signalen zorgen ervoor dat de robot dit kan doen past zijn grip aan, detecteert instabiliteit en manipuleert objecten betrouwbaarder.
Naarmate robotica richting fysieke AI evolueert, wordt tactiele detectie een belangrijke aanvulling op vision-systemen.
Hoewel tactiele detectie al vele jaren aanwezig is in robotica-onderzoek, verloopt de acceptatie ervan in de industrie langzamer.
Verschillende uitdagingen verklaren waarom.
Duurzaamheid van de sensor
Veel tactiele sensoren die in onderzoekslaboratoria zijn ontwikkeld, zijn kwetsbaar en niet ontworpen voor industriële omgevingen.
Productieomgeving introduceert:
- stof
- trillingen
- temperatuurveranderingen
- continu bedrijf
De sensor moet miljoenen cycli kunnen doorstaan.
Gegevensinterpretatie
Tactiele signalen zijn complex.
In tegenstelling tot afbeeldingen die gemakkelijk door mensen kunnen worden geïnterpreteerd, zijn tactiele gegevens:
- hoge afmetingen
- luidruchtig
- nauw verwant aan de fysische mechanica
Het begrijpen van de betekenis van tactiele signalen tijdens manipulatie vereist geavanceerde modellering en signaalverwerking.
Gebrek aan standaard datasets
Een andere uitdaging is het gebrek aan grote tactiele datasets.
Het visiesysteem profiteert van de miljarden afbeeldingen en video’s die online beschikbaar zijn. Tactiele gegevens daarentegen moeten worden verzameld via interacties in de echte wereldwat veel moeilijker te meten is.
Ondanks deze uitdagingen wordt tactiele detectie steeds belangrijker in de robotica.
Verschillende trends versnellen de adoptie:
- verhoogde duurzaamheid van de sensor
- vooruitgang op het gebied van AI en signaalverwerking
- groeiende belangstelling voor fysieke AI
- toenemende vraag naar robots die ongestructureerde omgevingen aankunnen
Robots zijn niet langer beperkt tot repetitieve fabriekstaken. Zij werden gevraagd te verschijnen complexere manipulatietakenleuk vinden:
- afval ophalen
- flexibele materiaalbehandeling
- montage werkzaamheden
- samenwerking tussen mens en robot
Voor deze taken zijn robots nodig om ze uit te voeren aanpassen aan onzekerheidwaardoor tactiele feedback bijzonder waardevol is.
Visie zal de fundamentele detectiemodaliteit in de robotica blijven.
Maar succesvolle robots in echte omgevingen zullen meerdere vormen van perceptie integreren.
Toekomstige robotsystemen zullen afhangen van:
- visie voor mondiale perceptie
- tactiele detectie voor contactbegrip
- krachtdetectie voor interactiecontrole
Samen zorgen deze sensorsystemen ervoor dat robots verder kunnen gaan dan eenvoudige automatisering en in meer geavanceerde richtingen kunnen komen adaptieve manipulatie.
Deze combinatie is een van de belangrijke elementen bij het bouwen van fysieke AI.
In ons whitepaper onderzoeken we hoe detectie, hardwareontwerp en Lean Robotics-principes de volgende generatie automatisering vormgeven.
Ontdek het volledige raamwerk achter fysieke AI
Ontdek hoe mechanische ontwerpprincipes, detectie en gestroomlijnde robotica ervoor zorgen dat AI-roboticademonstraties worden omgezet in krachtige automatiseringssystemen.
Lees het witboek: Helpt fysieke AI
