‘Gesensoriseerde huid’ helpt zachte robots hun omgeving te begrijpen

Zachte robots gemaakt van bewegelijke materialen worden gezien als veiliger en meer aanpasbaar dan traditionele robots. Maar het is een monumentale taak om deze vervormbare robots autonome controle geven, omdat ze op elk willekeurig moment in een vrijwel oneindig aantal richtingen kunnen bewegen. Dat maakt het moeilijk om hun planning- en besturingsmodellen te trainen.

Traditioneel gezien zou je dat kunnen verhelpen met grote systemen met meerdere motion-capture camera’s die de robots feedback geven over 3D-bewegingen en posities. Die zijn echter onpraktisch voor zachte robots in de echte wereld.

In een artikel in het tijdschrift IEEE Robotics and Automation Letters, beschrijven de onderzoekers nu een systeem van zachte sensoren die het lichaam van een robot omhullen om ‘proprioceptie’ te bieden, bewustzijn van de bewegingen en positie van zijn eigen lichaam. Die feedback komt terecht in een deep learning-model dat de belangrijke signalen uit de massa aan informatie zeeft om de 3D-configuratie van de robot in te schatten.

De onderzoekers valideerden hun systeem met een zachte robotarm die op een olifantenslurf lijkt en die zijn eigen positie kan voorspellen terwijl hij autonoom rondzwaait en zich uitstrekt.

Standaardmaterialen

De sensoren kunnen worden vervaardigd met standaardmaterialen, wat betekent dat elk laboratorium zijn eigen systemen kan ontwikkelenTot nu toe behoeven op zacht materiaal gebaseerde sensoren gespecialiseerde materialen en ontwerpmethoden, waardoor ze voor veel robotlaboratoria moeilijk te fabriceren en te integreren zijn.

Postdoc Ryan Truby is op het idee voor de nieuwe sensoren gekomen. "Ik zag vellen geleidend materiaal liggen die worden gebruikt voor de afscherming van elektromagnetische interferentie en die je overal op de rol kunt kopen," zegt hij. "Deze materialen hebben piëzoresistieve eigenschappen, wat betekent dat ze veranderen in elektrische weerstand wanneer ze worden gespannen." Truby besefte dat ze effectieve zachte sensoren konden vormen als ze op bepaalde plekken op de slurf werden geplaatst: terwijl de sensor vervormt als reactie op het uitrekken en samendrukken van de slurf, wordt de elektrische weerstand omgezet in een specifieke uitgangsspanning. De spanning wordt vervolgens gebruikt als signaal.

Het materiaal rekte echter niet erg. Geïnspireerd door kirigami – een variatie op origami waarbij je ook mag snijden in het materiaal – maakte Truby rechthoekige stroken geleidende siliconenmateriaal in verschillende patronen. Dat maakte hen veel flexibeler en rekbaarder.

Hoe belangrijk is nauwkeurigheid?

De resulterende robotslurf bestaat uit drie segmenten, elk met vier vloeibare actuatoren (12 in totaal) die worden gebruikt om hem te bewegen. Elk segment kreeg één sensor die de gegevens verzamelt van één actuator. Ze gebruikten ‘plasma-binding’ om de sensoren met het andere materiaal te verbinden.
De sensoren leggen de beweging van de slurf goed vast, maar ze maken veel lawaai. Beter presterende en betrouwbaardere sensoren vereisen echter gespecialiseerde tools die de meeste robotlaboratoria niet hebben. Ook zijn het neurale netwerk en de sensorhuid nog niet gevoelig voor subtiele of dynamische bewegingen. De onderzoekers gaan daarom nog de mogelijkheden verkennen voor sensorontwerpen met een verbeterde gevoeligheid en deep-learning-methodes ontwikkelen om de vereiste training voor nieuwe robots te verminderen. Ze hopen ook het systeem te verfijnen om de volledige dynamische bewegingen van de robot beter vast te leggen.

"Maar", zegt Truby "Net als levende systemen hoeven onze soft robots niet helemaal nauwkeurig te zijn. Mensen zijn helemaal niet zo precies vergeleken met onze harde robotachtige tegenhangers. En we doen het prima."