Может привести к появлению роботов которые распознают объекты на ощупь недорогая сенсорная перчатка STAG

MIT разработал недорогую сенсорную перчатку, предназначенную для того, чтобы искусственный интеллект мог понять, как люди идентифицируют объекты прикосновением. Названная «Масштабируемая тактильная перчатка» (STAG) использует 550 крошечных датчиков давления для создания рисунков, которые можно использовать для создания улучшенных роботизированных манипуляторов и протезов рук.

Если вы когда-нибудь искали в темноте свои очки или телефон, то вы знаете, что люди очень хорошо понимают, что это за предмет, просто прикасаясь. Это чрезвычайно ценная способность, которой робототехники и инженеры хотели бы подражать. Если бы это было возможно, тогда у роботов могло бы быть намного больше функций, а протезные руки могли бы быть намного более реалистичными и полезными.

Один из способов сделать это состоит в том, чтобы собрать как можно больше информации о том, как люди на самом деле способны идентифицировать на ощупь. Причина заключается в том, что если баз данных достаточно много, то можно использовать машинное обучение для анализа и определения не только того, как человеческая рука может что-то идентифицировать, но и оценки ее веса - что-то, где роботы и протезы сталкиваются с трудностями.

Разработка сенсорной перчатки STAG

MIT собирает эти данные с помощью недорогой вязаной перчатки, снабженной 550 датчиками. Перчатка подключена к компьютеру, который собирает данные, где измерения давления превращаются в видеосюжетную «тактильную карту» и передаются в нейронную сеть (CNN), которая классифицирует изображения, чтобы найти конкретные диаграммы давления и сопоставить их с конкретными объектами.

Команда собрала 135 000 видеокадров из 26 обычных предметов, таких как банки с газировкой, ножницы, теннисные мячи, ложки, ручки и кружки. Затем нейронная сеть сопоставляла случайные кадры с конкретными предметами до тех пор, пока не была сформирована полная картина. Используя случайные изображения, сети могут быть предоставлены связанные кластеры изображений, чтобы не тратить время на ненужные данные.

«Мы хотим максимизировать различия между кадрами, чтобы обеспечить наилучший вклад в нашу сеть», - говорит Петр Кельнхофер. «Все кадры внутри одного кластера должны иметь одинаковую подпись, которая представляет одинаковые способы захвата объекта. Выборка из нескольких кластеров моделирует человека в интерактивном режиме, пытающегося найти различные предметы на ощупь».

Статистика

Эта система не только могла идентифицировать объекты с точностью до 76 процентов, но и помогла исследователям понять, как рука захватывает и манипулирует ими. Чтобы оценить вес с точностью около 60 грамм (2,1 унции), была составлена отдельная база данных из 11 600 кадров, показывающая объекты, которые поднимаются пальцем и большим пальцем перед падением.

Измеряя давление вокруг руки при удерживании объекта, а затем сравнивая его после падения, можно измерить вес. Еще одним преимуществом системы является ее стоимость и чувствительность. Подобные сенсорные перчатки стоят тысячи долларов и имеют всего 50 датчиков, в то время как перчатка MIT использует готовые материалы и стоит всего 10 долларов.