Espera-se que as luvas de sensor de baixo custo do MIT permitam que os robôs reconheçam objetos por toque

- May 30, 2019-


Pesquisadores do Laboratório de Ciência da Computação e Inteligência Artificial do Instituto de Tecnologia de Massachusetts (MIT-CSAIL) desenvolveram recentemente uma luva de sensor de baixo custo projetada para permitir que a inteligência artificial "encontre" como os seres humanos reconhecem objetos pelo toque. Chamada de luva retrátil (STAG), ela usa 550 minúsculos sensores de pressão para gerar padrões que podem ser usados para criar robôs aprimorados.


Sensor gloves and robot


Os humanos são muito bons em usar o toque para descobrir o que é um objeto (por exemplo, tateando de óculos ou um celular no escuro). Os engenheiros esperam que os robôs possam seguir essa habilidade. Uma maneira de fazer isso é coletar o máximo de informações possíveis sobre como os humanos realmente reconhecem pelo toque. A razão é que, se houver um banco de dados grande o suficiente, o aprendizado de máquina pode ser usado para análise, não apenas para inferir como a mão humana reconhece algo, mas também para estimar seu peso - robôs e próteses são difíceis de fazer.


O Massachusetts Institute of Technology está coletando esses dados por meio de luvas de malha de baixo custo com 550 sensores de pressão. As luvas são conectadas ao computador, o computador coleta os dados e as medidas de pressão são convertidas em um "mapa tátil" de vídeo e inseridas na Rede Neural de Convolução (CNN). A rede pode classificar imagens para encontrar padrões de pressão específicos e combiná-los a objetos específicos.


A equipe coletou 135 mil quadros de vídeo de 26 objetos comuns, como latas de bebidas, tesouras, tênis, colheres, canetas e canecas. A rede neural então combina o quadro semi-aleatório com um ponto de pinçamento particular até que uma imagem completa do objeto seja criada - da mesma forma que as pessoas reconhecem objetos rolando objetos em suas mãos. Ao usar imagens semi-aleatórias, a rede pode ser fornecida com clusters de imagens relevantes, portanto, nenhum tempo é desperdiçado em dados irrelevantes.


“Queremos maximizar a diferença entre os frameworks e fornecer a melhor entrada para nossa rede”, disse Petr Kellnhofer, um pós-doutorado no CSAIL. "Todos os quadros em um único cluster devem ter assinaturas semelhantes. Essas assinaturas representam uma maneira semelhante de capturar objetos. A amostragem de vários clusters simula uma interação humana ao tentar explorar objetos e encontrar maneiras diferentes de capturar."


Atualmente, o sistema reconhece objetos com uma precisão de 76%, o que também ajuda os pesquisadores a entender como a mão os agarra e manipula. Para estimar o peso, os pesquisadores também compilaram um banco de dados separado de 11.600 quadros mostrando que os objetos foram apanhados com os dedos e o polegar antes de cair. O peso pode ser medido medindo a pressão ao redor da mão enquanto ela está sendo segurada e depois comparando-a após a queda.


Outra vantagem deste sistema é o custo e a sensibilidade. Luvas de sensores semelhantes valem milhares de dólares, mas apenas 50 sensores. As luvas do MIT são feitas com materiais prontos para uso e custam apenas US $ 10.


Um par de:O sensor de nanofios está chegando, o chip do sensor vai ficar para trás? O próximo artigo:O otário do polvo inspirou o sensor Wearable viscoso e o sensor subaquático do sonar