Sensor táctil de bajo costo para aplicaciones robóticas a gran escala

Comparta este Artículo en:

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 de sensores táctiles avanzados, 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 de bajo costo y duradero que es fácil de montar e integrar en sistemas robóticos.

Este sensor es mucho más accesible que muchos otros sensores táctiles presentados 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 está muy por detrás de la visión, y he estado tratando de entender por qué durante los últimos años“, dijo Raunaq Bhirangi, coautor del artículo.

“Las razones más comunes que hemos escuchado de los expertos en robótica son:

‘Es demasiado difícil de integrar en mi configuración’, ‘¿Cómo entreno una red neuronal con esto?’, ‘Tengo que usar la misma copia del sensor para la recopilación y evaluación de datos: ¿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 los investigadores presentaron en un artículo 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 solo unos segundos y se puede usar 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 se puede reparar fácil y rápidamente si se daña accidentalmente.

“Si estás intentando enseñarle a tu robot a realizar tareas emocionantes y accidentalmente se rasga la piel, puedes reemplazarla en 10 segundos y continuar con tu experimento“, dijo Bhirangi.

“AnySkin consta de dos componentes principales: la piel y los componentes electrónicos.

La piel es un elastómero magnético que se obtiene al curar una mezcla de partículas magnéticas con silicona, seguido de magnetización utilizando un magnetizador de pulsos”.

El diseño autoadhesivo único del sensor AnySkin permite una mayor flexibilidad en la forma en que se integra el sensor.

Esto significa que se puede estirar e insertar fácilmente en varias superficies para dotarlas de capacidades de detección.

El sensor también es muy versátil, ya que se puede fabricar fácilmente en diferentes formas y tamaños y ensamblar.

AnySkin también se puede despegar simplemente de las superficies y reemplazar si se daña.

En las pruebas iniciales, los investigadores descubrieron que su sensor funcionaba notablemente bien, con rendimientos comparables a los de otros sensores táctiles bien establecidos.

Cabe destacar que también observaron que los distintos sensores AnySkin presentan un rendimiento y una respuesta de detección muy similares, lo que sugiere que podrían reproducirse y desplegarse de forma fiable a gran escala.

“Utilizamos el aprendizaje automático para entrenar de principio a fin algunos modelos de robots que reciben la señal bruta de AnySkin junto con imágenes desde diferentes puntos de vista y utilizan esta información para realizar algunas tareas realmente precisas:

Localizar una regleta de enchufes e insertar un enchufe en la primera toma, localizar una máquina de tarjetas de crédito y pasar una tarjeta por ella, y localizar un puerto USB e insertar una memoria USB en él“, dijo Bhirangi.

“Si bien fue interesante ver que podíamos realizar estas tareas precisas incluso cuando variaban las ubicaciones de la regleta de enchufes/máquina de tarjetas/puerto USB, lo que fue aún más emocionante fue el hecho de que se podía intercambiar la carcasa y nuestros modelos aprendidos seguirían funcionando bien.

Este tipo de generalización abre una gran cantidad 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 artificial y el procesamiento del lenguaje natural (PLN).

“Ahora planeamos integrar AnySkin en diferentes configuraciones de robots, más allá de las simples pinzas robóticas hasta manos robóticas con múltiples dedos y dispositivos de recopilación de datos como el bastón Robot Utility Models y los guantes sensorizados“, agregó Bhirangi.

“También estamos buscando mejores formas de aprovechar la información táctil para mejorar el control visotáctil para la manipulación robótica de grano fino”.

Fuente: arXiv