Mensen beschikken over 5 belangrijke zintuigen, waaronder zien, horen, ruiken, proeven en aanraken. Dankzij de ontwikkeling van wetenschap en technologie beschikken moderne robotsystemen tegenwoordig ook over ten minste twee van deze zintuigen. Het zicht van de robot kan bijvoorbeeld worden afgehandeld door een camera, of het gehoor komt van een geïntegreerd microfoonsysteem. In de nabije toekomst zullen robots waarschijnlijk worden uitgerust met een ander zintuig: aanraking.
Net als andere zintuigen speelt aanraking een belangrijke rol bij alle fundamentele menselijke levensactiviteiten. Eenvoudige handelingen zoals het openen van een fles of het strikken van schoenveters zouden veel ingewikkelder zijn als we voorwerpen niet met onze handen zouden kunnen voelen. Hetzelfde geldt voor robots: het gebrek aan tactiele sensaties zorgt ervoor dat hun vermogen om nauwgezette handelingen uit te voeren die veel ‘manipulatie’ vergen, aanzienlijk beperkt is, ondanks grote hulp van kunstmatige intelligentie.
Onderzoekers van de Nationale Universiteit van Singapore (NUS) hebben een oplossing gevonden voor het bovenstaande probleem: het gebruik van een combinatie van een ‘kunstmatig huidsysteem’ dat een reeks microscopische sensoren integreert met een ‘brein’.” Op AI .
Dit systeem is ontwikkeld door een team van vooraanstaande experts op het gebied van computerwetenschappen en kunstmatige intelligentie bij NUS, onder leiding van universitair hoofddocent Benjamin Tee, een expert op het gebied van elektronische sensoren, en ingenieur Harold Soh, een specialist in computerwetenschappen en kunstmatige intelligentie. . Samen creëerde het duo een haptisch perceptiesysteem voor robots dat aanraking en visie combineert.

Leden van het onderzoeksteam
Volgens het onderzoeksteam kan dit systeem duizend keer sneller reageren dan het menselijk zenuwstelsel, en bezit het ook het vermogen om de vorm, textuur en hardheid van objecten te bepalen, tien keer sneller dan een oogwenk.” Benjamin Tee noemt dit “de slimste kunsthuid ooit”.
Deze kunsthuid met geïntegreerde sensoren lost echter slechts de helft van het tastprobleem van de robot op. De overige 50% valt onder de verwerkingscategorie van een ‘kunstmatig brein’ op basis van AI.
Een kunstmatig zenuwstelsel
Onderzoekers hebben een kunstmatig brein gecreëerd dat sensorische signalen kan verwerken op basis van Intel's Loihi AI-chip. Deze chip zal in wezen gegevens verwerken van een kunstmatig neuraal netwerk, geïnspireerd door menselijke neuronen, en ook hoe signalen tussen hen worden overgedragen via elektrische signalen.
Het vermogen om grote hoeveelheden informatie snel en efficiënt te verzenden is iets waar het menselijke neurale systeem heel goed in is. Dit is wat wetenschappers proberen te leren op hun systeem.
" Grijp een voorwerp zodat het niet uit je hand glijdt - en als het wegglijdt, kun je het reflexmatig snel vastgrijpen met een sterkere kracht, dit is wat je zenuwstelsel doet. die mensen op millisecondenniveau kunnen verwerken. "
Eerste robottesten
Bij een eerste test van het systeem installeerden de onderzoekers een kunsthuidsysteem op de robothand en gaven hem de opdracht braille (tekst voor slechtzienden) te lezen. Het systeem stuurde de door de huid verzamelde signalen naar de Loihi-chip, die de gegevens omzet in een bepaalde semantische betekenis. Het AI-algoritme classificeert vervolgens brailleletters met een nauwkeurigheid van meer dan 92%, terwijl het 20 keer minder stroom verbruikt dan standaard Von Neumann-processors.
![Robots zullen binnenkort net als mensen aanraking kunnen voelen dankzij AI-neurale chips en elektronische ‘huid’. Robots zullen binnenkort net als mensen aanraking kunnen voelen dankzij AI-neurale chips en elektronische ‘huid’.]()
Dit systeem combineert een morfologisch brein met visuele en tastgegevens.
De onderzoekers testten vervolgens de voordelen van het combineren van visuele en tactiele gegevens. Ze voegden een camera aan het systeem toe en trainden de robot om containers gevuld met verschillende hoeveelheden vloeistof te sorteren. Uit de resultaten bleek dat het systeem deze taak 21% sneller afhandelde dan de best presterende GPU van dit moment, terwijl het 45 keer minder stroom verbruikte.
Als dit systeem op grote schaal wordt toegepast, kan het veel complexere taken helpen uitvoeren, zoals het hanteren van objecten in fabrieken/magazijnen en zelfs in de gezondheidszorg.
Om dat perspectief te bereiken, is er natuurlijk nog veel werk dat Benjamin Tee, Harold Soh en hun collega's moeten oplossen.