Unsere Hände sind wie eine Brücke zwischen den Absichten des Gehirns und der physischen Welt. Sie führen unsere Wünsche aus, indem sie es uns ermöglichen, Gedanken in Taten umzusetzen. Damit Roboter ihr Potenzial in Sachen Interaktion wirklich ausschöpfen können, ist es entscheidend, dass sie über ein ähnliches Instrument verfügen.
Wir wissen, dass Robotiker welche bauen schon erstaunlich komplizierte Roboterhände. Aber sie brauchen auch die nötige Intelligenz, um sie zu kontrollieren – sie müssen in der Lage sein, Objekte sowohl entsprechend ihrer Form als auch ihrer Härte oder Weichheit richtig zu greifen. Sie möchten nicht, dass Ihr zukünftiger Roboter-Kollege Ihre Hand zu blutigem Brei zerquetscht, wenn er Ihnen am ersten Tag im Büro die Hand schüttelt.
Empfohlene Videos
Glücklicherweise haben Forscher aus Deutschland daran gearbeitet neues, stärker vom Gehirn inspiriertes neuronales Netzwerk das eine Roboterhand ermöglichen kann (in diesem Fall ein bestehendes Modell namens a Schunk SVH 5-Finger-Hand
), um zu lernen, wie man Gegenstände unterschiedlicher Form und Härte durch Auswahl der richtigen Greifbewegung aufnimmt. In einer Proof-of-Concept-Demonstration war die Roboterhand in der Lage, eine ungewöhnliche Reihe von Objekten aufzunehmen, darunter – aber nicht beschränkt auf – eine Plastikflasche, einen Tennisball, einen Schwamm, eine Gummiente, einen Stift und eine Auswahl an Luftballons.
„Unser Ansatz besteht aus zwei Hauptkomponenten: der Modellierung der Bewegung der Hand und der nachgiebigen Steuerung.“ Juan Camilo Vasquez Tieck, ein Forscher am FZI Forschungszentrum Informatik in Karlsruhe, Deutschland, sagte gegenüber Digital Trends. „Die Hand wird in einer Hierarchie verschiedener Schichten modelliert und die Bewegung wird mit Bewegungsprimitiven dargestellt. Alle Gelenke eines Fingers werden durch ein Finger-Primitiv koordiniert. Für eine bestimmte Greifbewegung werden alle Finger von einem Handprimitiv koordiniert.“
Mit anderen Worten, erklärte er, kann es seine Hand auf unterschiedliche Weise schließen.
Das System stellt einen anderen Weg dar, Robotersysteme zur Durchführung solcher Aktionen zu entwickeln. Das beteiligte neuronale Netzwerk ermöglicht es der Hand, intelligenter zu greifen und bei Bedarf Anpassungen in Echtzeit vorzunehmen.
“Spikende neuronale Netze (SNN) sind eine besondere Art künstlicher neuronaler Netze, die die Funktionsweise echter Neuronen besser nachbilden“, fuhr Tieck fort. „Es gibt viele Spiking-Neuronenmodelle, die auf neurowissenschaftlicher Forschung basieren. Für diese Arbeit verwendeten wir Leaky Integrate and Fire (LIF)-Neuronen. Die Kommunikation zwischen Neuronen erfolgt ereignisbasiert über Spikes. Spitzen sind diskrete Impulse und kein kontinuierliches Signal. Dies … reduziert die Informationsmenge, die zwischen Neuronen gesendet wird, und sorgt für eine hohe Energieeffizienz.“
Ein Papier, in dem die Arbeit beschrieben wurde, war kürzlich in der Zeitschrift IEEE Robotics and Automation Letters veröffentlicht.
Empfehlungen der Redaktion
- Sicherheitsroboter könnten zu einer Schule in Ihrer Nähe kommen
- Die BigSleep A.I. ist wie die Google-Bildersuche nach Bildern, die noch nicht existieren
- Ein Star Trek-Fan hat Daten aus der Next-Generation-Ära in die neue Picard-Serie gefälscht
- Die weltweit fortschrittlichste Roboterhand nähert sich der Geschicklichkeit eines Menschen an
- K.I. Scheitern, da die Roboter-TV-Kamera einem kahlen Kopf statt einem Fußball folgt
Werten Sie Ihren Lebensstil aufDigital Trends hilft Lesern mit den neuesten Nachrichten, unterhaltsamen Produktrezensionen, aufschlussreichen Leitartikeln und einzigartigen Einblicken, den Überblick über die schnelllebige Welt der Technik zu behalten.
