移动机器人现在被引入到各种各样的现实环境中,包括公共空间、家庭环境、医疗保健设施和办公室。这些机器人中有许多是专门设计用来与人类互动和协作的,帮助他们完成动手的物理任务。
为了提高移动机器人在交互和手动任务上的性能,机器人学家需要确保他们能够有效地感知环境中的刺激。近年来,许多工程师和材料科学家一直在尝试开发能够人工复制生物感觉过程的系统。
斯科拉·桑塔纳高级研究所、威尼斯佛斯卡里大学、罗马萨皮恩扎大学和意大利其他研究所的研究人员最近使用了一种人造皮肤和一种深度学习技术,可以用来提高现有和新开发机器人的触觉能力,以复制所谓的鲁菲尼受体的功能。发表在《自然机器智能》上的一篇论文介绍了他们的方法,该方法复制了位于人类表层真皮(即皮下皮肤组织)上的一类细胞的功能,称为Ruffini受体。
Ruffini受体,也称为Ruffini末端或小体,是一种小而适应缓慢的细胞,可以检测皮肤的拉伸,以及低频振动、温暖和压力。它们与默克尔细胞、帕西尼亚小体和梅斯纳小体一起,是四种主要的皮肤受体之一。
为了复制鲁菲尼末端的功能,研究人员使用了柔软、弯曲和大面积的人造皮肤,包括8mm厚的可拉伸聚合物层,其中集成了430mm长的光纤。人造皮肤是使用3D打印技术制作的。
卢卡·马萨里和他的同事在论文中解释道:“仿生皮肤由一种类似于人类前臂的软聚合物基质组成,其中嵌入了光子光纤布拉格光栅传感器,该传感器部分模仿了Ruffini机械感受器的功能,具有漫反射、重叠的感受野。”。
为了处理和理解他们创建的人造皮肤所接收到的信号,研究人员开发了一种基于多层卷积神经网络(CNN)的深度学习模型。该算法经过训练,可以估计施加在人造皮肤表面的力,并估计机器人接触物体的点。
研究人员在论文中写道:“采用基于CNN的深度学习算法和多重网格神经元集成过程对光纤布拉格光栅传感器的输出进行解码,以推断接触力的大小和皮肤表面的定位。”。
研究人员在一系列模拟和测试中评估了他们基于人工皮肤的系统。他们发现,该方法取得了非常有希望的结果,有效地预测了施加在人造皮肤上的力以及施加的位置。
研究人员写道:“力和定位预测的结果分别为35 mN(四分位间距56 mN)和3.2 mm(四分位间距2.3 mm)。”。“使用拟人手臂的演示为基于人工智能的集成皮肤铺平了道路,通过机器智能实现安全的人机合作。”
未来,这组研究人员创建的系统可以在各种仿人机器人上实现,因为构成皮肤的模块化贴片理论上应该适合不同的结构和形状。因此,在接下来的研究中,马萨里和他的同事计划测试他们的方法可以应用于其他系统的程度。
漏 2022科学X网络