El desarrollo de sensores asequibles y de alto rendimiento puede tener implicaciones cruciales para la investigación en robótica, ya que podría mejorar la percepción para ayudar a impulsar la manipulación y navegación de los robots.En los últimos años, los ingenieros han introducido una amplia gama de dispositivos avanzados con sensores táctiles, que pueden mejorar la capacidad de los robots para detectar señales táctiles, utilizando la información que recopilan para guiar sus acciones.

Investigadores de la Universidad de Nueva York presentaron AnySkin, un sensor duradero y de bajo costo que es fácil de ensamblar e integrar en sistemas robóticos.Este sensor, introducido en unpapelprepublicado enarXiv, es mucho más accesible que muchos otros sensores táctiles introducidos en los últimos años y, por lo tanto, podría abrir nuevas oportunidades para la investigación en robótica.

"El tacto es fundamental para la forma en que los humanos interactúan con el mundo que los rodea, pero en la robótica contemporánea, el sentido del tacto va muy por detrás de la visión, y he estado tratando de entender por qué durante los últimos años", Raunaq Bhirangi, coautordel periódico, dijo a Tech Xplore.

"Las razones más comunes que hemos escuchado de los robóticos son: 'Es demasiado difícil integrarlo en mi configuración', '¿Cómo entreno una red neuronal con esto?''Tengo que usar la misma copia del sensor pararecopilación de datosy evaluación... ¿Qué pasa si se rompe a mitad de camino?AnySkin fue diseñado expresamente para abordar cada una de estas preocupaciones."

AnySkin, el nuevo sensor táctil magnético diseñado por Bhirangi y sus colegas, es una versión actualizada de un sensor que presentaron los investigadoresen un documento anterior, llamado ReSkin.El nuevo sensor se basa en el diseño simplista de ReSkin, pero también presenta una mejor consistencia de la señal y una separación física entre la electrónica del dispositivo y su interfaz de detección.

AnySkin se puede ensamblar en tan solo unos segundos y se puede utilizar para aprender modelos de redes neuronales artificiales con muy poco o ningún procesamiento previo.En comparación con ReSkin, también recopila señales táctiles con mayor consistencia y puede repararse fácil y rápidamente si se daña accidentalmente.

"Si estás tratando de enseñarle a tu robot a realizar tareas interesantes y accidentalmente rasgas la piel, puedes reemplazarla en 10 segundos y continuar con tu experimento", dijo Bhirangi."AnySkin consta de dos componentes principales: la piel y la electrónica. La piel es un elastómero magnético que se obtiene curando una mezcla de partículas magnéticas con silicona, seguido de magnetización mediante un magnetizador de pulso".

El exclusivo diseño autoadhesivo del sensor AnySkin permite una mayor flexibilidad en la forma en que se integra el sensor.Esto significa que puede simplemente estirarse e insertarse en varias superficies para dotarlas de capacidades de detección.

El sensor también es muy versátil, ya que puede fabricarse y ensamblarse fácilmente en diferentes formas y formas.AnySkin también puede retirarse simplemente de las superficies y reemplazarse si está dañado.

En las pruebas iniciales, los investigadores encontraron que su sensor funcionó notablemente bien, con desempeños comparables a los de otros bien establecidos.sensores táctiles.En particular, también observaron que diferentes sensores AnySkin exhiben rendimientos y respuestas de detección muy similares, lo que sugiere que podrían reproducirse e implementarse de manera confiable a gran escala.

"Usamos el aprendizaje automático para entrenar algunos modelos de robots de extremo a extremo, que reciben señales sin procesar de AnySkin junto con imágenes desde diferentes puntos de vista y usan esta información para realizar algunas tareas realmente precisas: ubicar una regleta de enchufes e insertar un enchufe enel primer enchufe, localice una máquina de tarjetas de crédito y pase una tarjeta a través de ella, localice un puerto USB e inserte una memoria USB en él", dijo Bhirangi.

"Aunque fue interesante ver que podíamos realizar estas tareas precisas incluso cuando las ubicaciones de la regleta/máquina de tarjetas/puerto USB eran variadas, lo que fue aún más emocionante fue el hecho de que se podía cambiar la piel, y nuestro aprendizajeLos modelos seguirían funcionando bien. Este tipo de generalización abre una serie de posibilidades".

En el futuro, AnySkin podría integrarse en una gama más amplia de sistemas robóticos y probarse en escenarios adicionales.Los investigadores creen que sería muy adecuado para recopilar grandes cantidades de datos táctiles y utilizarlos para entrenar modelos de aprendizaje profundo a gran escala similares a los que sustentan la visión por computadora y el procesamiento del lenguaje natural (PLN).

"Ahora planeamos integrar AnySkin en diferentes configuraciones de robots, más allá de simples pinzas de robot hasta manos de robot con múltiples dedos y dispositivos de recopilación de datos como el bastón de Robot Utility Models y los guantes sensorizados", añadió Bhirangi."También estamos buscando mejores formas de aprovechar la información táctil para mejorar el control visuotáctil para aplicaciones detalladas.robotmanipulación."Más información:

Citación