Também buscando aumentar a sensibilidade de robôs, pesquisadores do Instituto Max Planck para Sistemas Inteligentes (MPI-IS), na Alemanha, desenvolveram um sensor tátil macio, porém robusto, que, segundo eles, é bem mais sofisticado que os existentes atualmente. O dispositivo, descrito na revista Nature Machine Intelligence, usa visão computacional e uma rede neural profunda para estimar, com precisão, onde os objetos entram em contato com ele e quão grandes são as forças aplicadas. De acordo com os pesquisadores, o projeto é um "passo significativo para que os robôs sejam capazes de sentir seu ambiente com a mesma precisão que humanos e animais".
Em forma de polegar, o sensor é feito de uma concha macia, construída em torno de um esqueleto leve e rígido. Este sustenta a estrutura da mesma forma que os ossos estabilizam o tecido mole dos dedos. O material é composto por um elastômero misturado com flocos de alumínio escuros, mas refletivos, resultando em uma cor acinzentada e opaca, que impede que qualquer luz externa o atrapalhe.
Quando qualquer objeto toca a concha do sensor, a aparência do padrão de cor dentro dele muda. A câmera grava imagens muitas vezes por segundo e alimenta uma rede neural profunda com esses dados. O algoritmo detecta até mesmo a menor mudança na luz em cada pixel. Em uma fração de segundo, o modelo de aprendizado de máquina treinado pode mapear exatamente onde o dedo toca o objeto, determinar a força e indicar a direção da pressão.
"O modelo infere o que chamamos de mapa de força: ele fornece um vetor de força para cada ponto tridimensional da ponta do dedo", explica Georg Martius, líder do grupo de pesquisa Max Planck na MPI-IS. "Conseguimos esse excelente desempenho de detecção por meio do design mecânico inovador do invólucro, do sistema de imagem personalizado interno, da coleta automática de dados e do aprendizado profundo de ponta", lista Martius. "Nossa câmera pode detectar até mesmo as menores deformações da superfície a partir de uma única imagem." Ao testar o sensor, os pesquisadores perceberam que ele era sensível o suficiente para sentir a própria orientação em relação à gravidade.
Treinamentos
Para ensiná-lo, a equipe projetou um banco de testes que geraram os dados de treinamento necessários, de forma que o modelo de aprendizado de máquina entendeu a correlação entre a mudança nos pixels da imagem bruta e as forças aplicadas. Uma característica do dispositivo em forma de polegar é que ele tem uma zona em forma de unha, com uma camada de elastômero mais fina. Ela foi projetada para detectar até mesmo pressões minúsculas e formas detalhadas de objetos.
"O design de hardware e software que apresentamos em nosso trabalho pode ser transferido para uma ampla variedade de peças de robôs com diferentes formas e requisitos de precisão. A arquitetura de aprendizado de máquina, treinamento e processo de inferência são gerais e pode ser aplicada a muitos outros projetos de sensores", explica, em nota, Huanbo Sun, pós-graduando no laboratório da MPI-IS.