로봇의 손가락 끝 감도를 높이는 소프트 센서

Nature Machine Intelligence에 게재된 논문에서 , 막스 플랑크 지능 시스템 연구소(MPI-IS)의 과학자 팀은 컴퓨터 비전과 심층 신경망을 사용하여 물체가 센서와 접촉하는 위치와 방법을 정확하게 추정하는 "Insight"라는 강력한 소프트 햅틱 센서를 도입했습니다. 가해지는 힘이 크다. 이 연구 프로젝트는 로봇이 인간과 동물만큼 정확하게 환경을 느낄 수 있도록 하는 중요한 단계입니다. 자연적인 센서와 마찬가지로 손가락 끝 센서는 매우 민감하고 견고하며 고해상도입니다.

엄지 모양의 센서는 가볍고 뻣뻣한 골격 주위에 만들어진 부드러운 껍질로 만들어졌습니다. 이 골격은 뼈가 부드러운 손가락 조직을 안정시키는 것처럼 구조를 유지합니다. 쉘은 어둡지만 반사하는 알루미늄 플레이크가 혼합된 엘라스토머로 만들어졌으며 외부 빛이 들어오는 것을 방지하는 불투명한 회색 색상이 됩니다. 이 손가락 크기의 캡 안에 숨겨진 작은 160도 어안 카메라는 다음을 기록합니다. LED 링으로 조명되는 다채로운 이미지.

관련 기사

로봇을 위한 피부와 유사한 특성을 가진 부드러운 촉각 센서

압력을 처리하는 소프트 센서

물체가 센서의 껍질에 닿으면 센서 내부의 색상 패턴 모양이 바뀝니다. 카메라는 초당 여러 번 이미지를 기록하고 이 데이터를 심층 신경망에 제공합니다. 이 알고리즘은 각 픽셀에서 가장 작은 빛의 변화도 감지합니다. 훈련된 기계 학습 모델은 1초도 안되어 정확히 손가락이 물체에 닿는 위치를 매핑하고 힘이 얼마나 강한지 확인하고 힘의 방향을 나타낼 수 있습니다. 이 모델은 과학자들이 힘 지도라고 부르는 것을 추론합니다. 3차원 손가락 끝의 모든 점에 대한 힘 벡터를 제공합니다.

MPI-IS의 막스 플랑크 연구 그룹 리더인 게오르크 마티우스(Georg Martius)는 “우리는 쉘의 혁신적인 기계 설계, 내부 맞춤형 이미징 시스템, 자동 데이터 수집 및 최첨단 딥 러닝을 통해 이러한 뛰어난 감지 성능을 달성했습니다.”라고 말했습니다. 자율 학습 그룹을 이끌고 있습니다. “뻣뻣한 골격을 둘러싸고 있는 소프트 쉘의 독특한 하이브리드 구조는 높은 감도와 견고성을 보장합니다. 우리 카메라는 하나의 이미지에서 표면의 가장 작은 변형도 감지할 수 있습니다.”라고 그의 Ph.D. 학생 환보 선. 센서를 테스트하는 동안 연구원들은 중력에 대한 자체 방향을 느낄 만큼 민감하다는 것을 깨달았습니다.

그러나 그러한 센서는 어떻게 학습합니까? Huanbo Sun은 기계 학습 모델이 원시 이미지 픽셀의 변화와 적용된 힘 간의 상관 관계를 이해하는 데 필요한 훈련 데이터를 생성하는 테스트베드를 설계했습니다. 테스트베드는 센서 표면 전체를 조사하고 센서 내부의 카메라 이미지와 함께 실제 접촉력 벡터를 기록합니다. 이러한 방식으로 약 200,000개의 측정값이 생성되었습니다. 데이터를 수집하는 데 거의 3주가 걸렸고 기계 학습 모델을 훈련하는 데 하루가 더 걸렸습니다. 다양한 접촉력으로 이 긴 실험에서 살아남은 것은 Insight의 기계 설계의 견고성을 입증하는 데 도움이 되었으며 더 큰 프로브를 사용한 테스트는 감지 시스템이 얼마나 잘 일반화되는지 보여주었습니다.

엄지 모양 센서의 또 다른 특징은 더 얇은 엘라스토머 층이 있는 못 모양의 영역을 가지고 있다는 것입니다. 이 촉각 중심와(fovea)는 아주 작은 힘과 상세한 물체 모양도 감지하도록 설계되었습니다. 이 매우 민감한 영역을 위해 과학자들은 나머지 손가락 센서에 사용했던 4mm가 아닌 1.2mm의 엘라스토머 두께를 선택했습니다.

“저희 작업에서 제시하는 하드웨어 및 소프트웨어 설계는 다양한 모양과 정밀도 요구 사항을 가진 다양한 로봇 부품으로 전송할 수 있습니다. 기계 학습 아키텍처, 교육 및 추론 프로세스는 모두 일반적이며 다른 많은 센서 설계에 적용할 수 있습니다.”라고 Huanbo Sun이 말했습니다.