Роботизированное зондирование — это подраздел науки о робототехнике, предназначенный для предоставления роботам сенсорных возможностей . Роботизированное зондирование обеспечивает роботам возможность ощущать окружающую среду и обычно используется в качестве обратной связи, позволяющей роботам корректировать свое поведение на основе воспринимаемого ввода. Роботизированное зондирование включает в себя способность видеть, [1] [2] [3] осязать, [4] [5] [6] слышать [7] и двигаться [8] [9] [10] и связанные с ними алгоритмы для обработки и использования обратной связи от окружающей среды и сенсорных данных. Роботизированное зондирование важно в таких приложениях, как автоматизация транспортных средств , роботизированное протезирование, а также для промышленных, медицинских, развлекательных и образовательных роботов.
Системы визуального зондирования могут быть основаны на различных технологиях и методах, включая использование камеры , сонара , лазера и технологии радиочастотной идентификации (RFID) [1] . Все четыре метода направлены на три процедуры — зондирование, оценку и сопоставление.
Качество изображения важно в приложениях, требующих превосходного роботизированного зрения. Алгоритмы на основе вейвлет-преобразования , которые используются для слияния изображений с различными спектрами и различными фокусами, приводят к улучшению качества изображения. [2] Роботы могут собирать более точную информацию из полученного улучшенного изображения.
Визуальные датчики помогают роботам распознавать окружающую среду и предпринимать соответствующие действия. [3] Роботы анализируют изображение непосредственной среды на основе данных, поступающих с визуального датчика. Результат сравнивается с идеальным, промежуточным или конечным изображением, так что можно определить соответствующее движение или действие для достижения промежуточной или конечной цели.
[11]
Электронная кожа относится к гибкой , растягивающейся и самовосстанавливающейся электронике, которая способна имитировать функциональные возможности кожи человека или животного. [12] [13] Широкий класс материалов часто содержит сенсорные способности, которые предназначены для воспроизведения возможностей человеческой кожи реагировать на факторы окружающей среды, такие как изменения температуры и давления. [12] [13] [14] [15]
Достижения в области исследований электронной кожи сосредоточены на разработке материалов, которые являются эластичными, прочными и гибкими. Исследования в отдельных областях гибкой электроники и тактильных ощущений значительно продвинулись; однако, проектирование электронной кожи пытается объединить достижения во многих областях исследования материалов, не жертвуя индивидуальными преимуществами каждой области. [16] Успешное сочетание гибких и растяжимых механических свойств с датчиками и способностью к самовосстановлению откроет двери для многих возможных приложений, включая мягкую робототехнику , протезирование, искусственный интеллект и мониторинг здоровья. [12] [16] [17] [18]
Недавние достижения в области электронной кожи были сосредоточены на включении идеалов зеленых материалов и экологической осведомленности в процесс проектирования. Поскольку одной из основных проблем, стоящих перед разработкой электронной кожи, является способность материала выдерживать механическую нагрузку и сохранять сенсорную способность или электронные свойства, способность к вторичной переработке и самовосстановлению особенно важны в будущем проектировании новых электронных оболочек. [19]Примерами текущего состояния прогресса в области роботизированной кожи по состоянию на середину 2022 года являются роботизированный палец, покрытый типом искусственной живой человеческой кожи , [20] [21] электронная кожа, дающая роботизированной руке тактильные ощущения, подобные биологическим , и чувствительность к прикосновению/боли, [22] [23] система электронной кожи и человеко-машинного интерфейса, которая может обеспечить дистанционное тактильное восприятие , а также носимое или роботизированное обнаружение многих опасных веществ и патогенов , [24] [25] и многослойная тактильная сенсорная гидрогелевая кожа робота. [26] [27]
По мере того, как роботы и протезы конечностей становятся все более сложными, потребность в датчиках, способных обнаруживать прикосновения с высокой тактильной остротой, становится все более и более необходимой. Существует много типов тактильных датчиков, используемых для различных задач. [28] Существует три типа тактильных датчиков. Первый, одноточечные датчики, можно сравнить с одной клеткой или усами, и они могут обнаруживать очень локальные стимулы. Второй тип датчика — это датчик с высоким пространственным разрешением, который можно сравнить с кончиком пальца человека и который необходим для тактильной остроты в роботизированных руках. Третий и последний тип тактильного датчика — это датчик с низким пространственным разрешением, который имеет такую же тактильную остроту, как кожа на спине или руке. [28] Эти датчики можно размещать по всей поверхности протеза или робота, чтобы дать ему возможность ощущать прикосновения аналогичным, если не лучшим образом, способом, чем человеческий аналог. [28]
Сенсорные сигналы прикосновения могут генерироваться собственными движениями робота. Для точных операций важно идентифицировать только внешние тактильные сигналы. Предыдущие решения использовали фильтр Винера , который опирается на предварительные знания статистики сигналов, которые предполагаются стационарными. Недавнее решение применяет адаптивный фильтр к логике робота. [4] Он позволяет роботу прогнозировать результирующие сигналы датчиков его внутренних движений, отсеивая эти ложные сигналы. Новый метод улучшает обнаружение контакта и уменьшает ложную интерпретацию.
[29] Модели прикосновений позволяют роботам интерпретировать человеческие эмоции в интерактивных приложениях. Четыре измеримые характеристики — сила , время контакта, повторение и изменение площади контакта — могут эффективно классифицировать модели прикосновений с помощью классификатора временного дерева решений, чтобы учесть временную задержку и связать их с человеческими эмоциями с точностью до 83%. [5] Индекс согласованности [5] применяется в конце для оценки уровня уверенности системы с целью предотвращения непоследовательных реакций.
Роботы используют сенсорные сигналы для отображения профиля поверхности в агрессивной среде, например, водопроводной трубы. Традиционно в робота программировался заранее определенный путь. В настоящее время, с интеграцией сенсорных датчиков , роботы сначала получают случайную точку данных; затем алгоритм [6] робота определит идеальное положение следующего измерения в соответствии с набором заранее определенных геометрических примитивов. Это повышает эффективность на 42%. [5]
В последние годы использование прикосновения в качестве стимула для взаимодействия стало предметом многочисленных исследований. В 2010 году был построен робот-тюлень PARO, который реагирует на многие стимулы человеческого взаимодействия, включая прикосновение. Терапевтические преимущества такого взаимодействия человека и робота все еще изучаются, но показали весьма положительные результаты. [30]
Точные аудиодатчики требуют низкого уровня внутреннего шума. Традиционно аудиодатчики объединяют акустические массивы и микрофоны для снижения уровня внутреннего шума. Недавние решения также объединяют пьезоэлектрические устройства. [7] Эти пассивные устройства используют пьезоэлектрический эффект для преобразования силы в напряжение , так что вибрация , вызывающая внутренний шум, может быть устранена. В среднем внутренний шум может быть уменьшен примерно до 7 дБ . [7]
Роботы могут интерпретировать рассеянный шум как речевые инструкции. Текущая система обнаружения голосовой активности (VAD) использует метод комплексного спектрального кругового центроида (CSCC) и формирователь луча с максимальным отношением сигнал/шум (SNR) . [31] Поскольку люди обычно смотрят на своих партнеров во время разговора, система VAD с двумя микрофонами позволяет роботу определять местонахождение инструктивной речи, сравнивая силу сигнала двух микрофонов. Текущая система способна справляться с фоновым шумом, создаваемым телевизорами и звуковыми устройствами, которые исходят с боков.
Роботы могут воспринимать эмоции через то, как мы говорим, и связанные с этим характеристики и особенности. Акустические и лингвистические особенности обычно используются для характеристики эмоций. Сочетание семи акустических особенностей и четырех лингвистических особенностей улучшает производительность распознавания по сравнению с использованием только одного набора особенностей. [32]
Машинное обоняние — это автоматизированное моделирование обоняния . Новое применение в современной инженерии, оно включает использование роботов или других автоматизированных систем для анализа химических веществ в воздухе. Такой аппарат часто называют электронным носом или e-носом. Разработка машинного обоняния осложняется тем фактом, что устройства e-носа на сегодняшний день реагируют на ограниченное количество химических веществ, тогда как запахи производятся уникальными наборами (потенциально многочисленными) пахучих соединений. Технология, хотя и находится на ранних стадиях разработки, обещает множество применений, таких как: [33] контроль качества в пищевой промышленности , обнаружение и диагностика в медицине, [34] обнаружение наркотиков , взрывчатых веществ и других опасных или незаконных веществ , [35] ликвидация последствий стихийных бедствий и мониторинг окружающей среды .
Один из типов предлагаемой технологии машинного обоняния — это приборы с массивом газовых датчиков , способные обнаруживать, идентифицировать и измерять летучие соединения. Однако критическим элементом в разработке этих приборов является анализ образов , и успешная разработка системы анализа образов для машинного обоняния требует тщательного рассмотрения различных вопросов, связанных с обработкой многомерных данных: предварительная обработка сигнала, извлечение признаков , выбор признаков , классификация , регрессия, кластеризация и проверка. [36] Еще одной проблемой в текущих исследованиях машинного обоняния является необходимость прогнозирования или оценки реакции датчика на смеси ароматов. [37] Некоторые проблемы распознавания образов в машинном обонянии, такие как классификация запахов и локализация запахов, могут быть решены с помощью методов ядра временных рядов. [38]Электронный язык — это инструмент, который измеряет и сравнивает вкусы . Согласно техническому отчету ИЮПАК, «электронный язык» как аналитический инструмент, включающий массив неселективных химических сенсоров с частичной специфичностью к различным компонентам раствора и соответствующий инструмент распознавания образов, способный распознавать количественные и качественные составы простых и сложных растворов [39] [40]
Химические соединения, отвечающие за вкус, обнаруживаются вкусовыми рецепторами человека . Аналогично, многоэлектродные датчики электронных приборов обнаруживают те же самые растворенные органические и неорганические соединения . Как и человеческие рецепторы, каждый датчик имеет спектр реакций, отличный от другого. Информация, предоставляемая каждым датчиком, является дополнительной, а комбинация результатов всех датчиков создает уникальный отпечаток. Большинство порогов обнаружения датчиков аналогичны или лучше, чем у человеческих рецепторов.
В биологическом механизме вкусовые сигналы преобразуются нервами в мозге в электрические сигналы. Процесс сенсоров электронного языка похож: они генерируют электрические сигналы как вольтамперометрические и потенциометрические изменения.
Восприятие и распознавание вкусовых качеств основаны на построении или распознавании активированных сенсорных нервных паттернов мозгом и вкусового отпечатка продукта. Этот шаг достигается статистическим программным обеспечением электронного языка , которое интерпретирует данные сенсора во вкусовые паттерны.Например, роботы-повара смогут пробовать еду для динамического приготовления. [41]
Автоматизированным роботам требуется система наведения для определения идеального пути для выполнения своей задачи. Однако на молекулярном уровне у нанороботов нет такой системы наведения, поскольку отдельные молекулы не могут хранить сложные движения и программы. Поэтому единственный способ добиться движения в такой среде — заменить датчики химическими реакциями. В настоящее время молекулярный паук, имеющий одну молекулу стрептавидина в качестве инертного тела и три каталитические ноги, способен стартовать, следовать, поворачиваться и останавливаться, когда сталкивается с различными ДНК- оригами . [8] Нанороботы на основе ДНК могут перемещаться на расстояние более 100 нм со скоростью 3 нм/мин. [8]
В операции TSI , которая является эффективным способом выявления опухолей и потенциального рака путем измерения распределенного давления на контактной поверхности датчика, чрезмерная сила может нанести ущерб и иметь вероятность разрушения ткани. Применение роботизированного управления для определения идеального пути операции может снизить максимальные силы на 35% и получить 50%-ное увеличение точности [9] по сравнению с врачами-людьми.
Эффективная роботизированная разведка экономит время и ресурсы. Эффективность измеряется оптимальностью и конкурентоспособностью. Оптимальная разведка границ возможна только тогда, когда робот имеет квадратную область зондирования, начинает с границы и использует метрику Манхэттена . [10] В сложных геометриях и условиях квадратная область зондирования более эффективна и может достичь лучшей конкурентоспособности независимо от метрики и начальной точки. [10]
Роботы могут быть не только оснащены более высокой чувствительностью и возможностями для каждого чувства, чем все или большинство [42] некиборгов - людей, например, они могут «видеть» большую часть электромагнитного спектра, например, ультрафиолет , и с более высокой точностью и детализацией, [ необходимы дополнительные ссылки ], но также могут иметь больше чувств [ необходимы дополнительные ссылки ], например, восприятие магнитных полей ( магниторецепция ) [43] или различных опасных компонентов воздуха. [25]
Роботы могут делиться, [44] хранить и передавать сенсорные данные, а также данные, основанные на них. Они могут учиться на одних и тех же или связанных данных или интерпретировать их по-разному, и некоторые роботы могут иметь удаленные чувства (например, без локальной интерпретации, обработки или вычислений, как в случае с обычными типами телеробототехники или со встроенными [45] или мобильными «сенсорными узлами»). [ необходимы дополнительные ссылки ] Обработка сенсорных данных может включать такие процессы, как распознавание лиц , [46] распознавание выражений лиц , [47] распознавание жестов и интеграция интерпретационных абстрактных знаний. [ необходимы дополнительные ссылки ]
Медиа, связанные с Роботизированное зондирование на Wikimedia Commons