Un capteur tactile à faible coût est prometteur pour les applications robotiques à grande échelle

Le développement de capteurs abordables et hautement performants peut avoir des implications cruciales pour la recherche en robotique, car ils pourraient améliorer la perception et contribuer à stimuler la manipulation et la navigation des robots. Ces dernières années, les ingénieurs ont introduit une large gamme de capteurs tactiles avancés, capables d’améliorer la capacité des robots à détecter les signaux tactiles, en utilisant les informations qu’ils collectent pour guider leurs actions.

Des chercheurs de l'Université de New York ont ​​présenté AnySkin, un capteur peu coûteux et durable, facile à assembler et à intégrer dans des systèmes robotiques. Ce capteur, présenté dans un article pré-publié sur arXivest bien plus accessible que de nombreux autres capteurs tactiles introduits ces dernières années et pourrait ainsi ouvrir de nouvelles opportunités pour la recherche en robotique.

« Le toucher est fondamental dans la façon dont les humains interagissent avec le monde qui les entoure, mais dans la robotique contemporaine, le sens du toucher est loin derrière la vision, et j'essaie de comprendre pourquoi depuis quelques années », Raunaq Bhirangi, co-auteur. du journal, a déclaré à Tech Xplore.

« Les raisons les plus courantes que nous avons entendues de la part des roboticiens sont : « C'est trop difficile à intégrer dans ma configuration », « Comment puis-je entraîner un réseau neuronal avec cela ? « Je dois utiliser la même copie du capteur pour la collecte et l'évaluation des données. Et s'il se déchire à mi-chemin ? » AnySkin a été expressément conçu pour répondre à chacune de ces préoccupations. »

AnySkin, le nouveau capteur tactile magnétique conçu par Bhirangi et ses collègues, est une version mise à jour d'un capteur que les chercheurs ont présenté dans un article précédent, appelé ReSkin. Le nouveau capteur s'appuie sur la conception simpliste de ReSkin, mais il présente également une meilleure cohérence du signal et une séparation physique entre l'électronique de l'appareil et son interface de détection.

AnySkin peut être assemblé en quelques secondes seulement et peut être utilisé pour apprendre des modèles de réseaux neuronaux artificiels avec très peu ou pas de prétraitement. Par rapport à ReSkin, il collecte également les signaux tactiles avec une plus grande cohérence et peut être réparé facilement et rapidement en cas de dommage accidentel.

« Si vous essayez d'apprendre à votre robot à effectuer des tâches passionnantes et à déchirer accidentellement la peau, vous pouvez remplacer votre peau en 10 secondes et poursuivre votre expérience », a déclaré Bhirangi. « AnySkin se compose de deux composants principaux : la peau et l'électronique. La peau est un élastomère magnétique fabriqué en durcissant un mélange de particules magnétiques avec du silicone, suivi d'une magnétisation à l'aide d'un magnétiseur à impulsions. »

La conception autoadhésive unique du capteur AnySkin permet une plus grande flexibilité dans la manière dont le capteur est intégré. Cela signifie qu'il peut être simplement étiré et inséré sur diverses surfaces pour les équiper de capacités de détection.

Le capteur est également très polyvalent, car il peut être facilement fabriqué sous différentes formes et assemblés. AnySkin peut également être simplement décollé des surfaces et remplacé s'il est endommagé.

Lors des premiers tests, les chercheurs ont constaté que leur capteur fonctionnait remarquablement bien, avec des performances comparables à celles d'autres capteurs tactiles bien établis. Notamment, ils ont également observé que différents capteurs AnySkin présentent des performances et des réponses de détection très similaires, ce qui suggère qu’ils pourraient être reproduits et déployés de manière fiable à grande échelle.

« Nous avons utilisé l'apprentissage automatique pour entraîner de bout en bout certains modèles de robots, qui captent le signal brut d'AnySkin ainsi que des images de différents points de vue et utilisent ces informations pour effectuer des tâches très précises : localiser une barrette de prises et insérer une fiche dans le première prise, localisez un distributeur de cartes de crédit et glissez une carte à travers celui-ci, localisez un port USB et insérez-y une clé USB », a déclaré Bhirangi.

« Même s'il était intéressant de voir que nous pouvions effectuer ces tâches précises même lorsque les emplacements de la multiprise/de la machine à cartes/du port USB étaient variés, ce qui était encore plus excitant était le fait que vous pouviez échanger la peau, et nos connaissances les modèles continueraient à bien fonctionner. Ce type de généralisabilité ouvre une multitude de possibilités.

À l’avenir, AnySkin pourrait être intégré à une gamme plus large de systèmes robotiques et testé dans des scénarios supplémentaires. Les chercheurs pensent qu’il serait très adapté pour collecter de grandes quantités de données tactiles et les utiliser pour former des modèles d’apprentissage profond à grande échelle similaires à ceux qui sous-tendent la vision par ordinateur et le traitement du langage naturel (NLP).

« Nous prévoyons maintenant d'intégrer AnySkin dans différentes configurations de robots, au-delà des simples pinces de robot jusqu'aux mains de robot à plusieurs doigts, en passant par les dispositifs de collecte de données tels que le bâton Robot Utility Models et les gants sensoriels », a ajouté Bhirangi. « Nous recherchons également de meilleurs moyens d'exploiter les informations tactiles pour améliorer le contrôle visuotactile pour une manipulation fine des robots. »