Nos mains sont comme un pont entre les intentions énoncées par le cerveau et le monde physique, réalisant nos souhaits en nous permettant de transformer nos pensées en actions. Si les robots veulent vraiment exploiter leur potentiel en matière d’interaction, il est crucial qu’ils disposent d’un instrument similaire.
Nous savons que les roboticiens construisent des Des mains de robot étonnamment complexes déjà. Mais ils ont également besoin d’être intelligents pour les contrôler – être capables de saisir correctement les objets en fonction de leur forme et de leur dureté ou douceur. Vous ne voulez pas que votre futur collègue robot vous écrase la main en bouillie sanglante lorsqu’il vous serre la main lors de son premier jour de travail.
Vidéos recommandées
Heureusement, c'est ce sur quoi des chercheurs allemands ont travaillé avec un nouveau réseau neuronal plus inspiré du cerveau qui peut permettre à une main robotique (dans ce cas, un modèle existant appelé Schunk SVH main à 5 doigts) pour apprendre à saisir des objets de différentes formes et niveaux de dureté en sélectionnant le bon mouvement de préhension. Lors d'une démonstration de validation de principe, la main du robot a pu saisir une gamme inhabituelle d'objets, notamment — mais sans s'y limiter — une bouteille en plastique, une balle de tennis, une éponge, un canard en caoutchouc, un stylo et un assortiment de ballons.
"Notre approche comporte deux volets principaux: la modélisation du mouvement de la main et le contrôle conforme." Juan Camilo Vásquez Tieck, chercheur scientifique au FZI Forschungszentrum Informatik à Karlsruhe, en Allemagne, a déclaré à Digital Trends. « La main est modélisée dans une hiérarchie de différentes couches et le mouvement est représenté par des primitives de mouvement. Toutes les articulations d'un doigt sont coordonnées par un doigt primitif. Pour un mouvement de préhension particulier, tous les doigts sont coordonnés par une main primitive.
En d’autres termes, a-t-il expliqué, elle peut fermer la main de différentes manières.
Le système représente une manière différente de développer des systèmes robotiques pour réaliser ce type d’actions. Le réseau neuronal impliqué permet à la main de saisir plus intelligemment, en effectuant des adaptations en temps réel si nécessaire.
“Augmentation des réseaux de neurones (SNN) sont un type particulier de réseaux de neurones artificiels qui modélisent de plus près le fonctionnement des vrais neurones », a poursuivi Tieck. « Il existe de nombreux modèles de neurones à pointe basés sur la recherche en neurosciences. Pour ce travail, nous avons utilisé des neurones à intégration et déclenchement à fuite (LIF). La communication entre les neurones est basée sur des événements et utilise des pointes. Les pointes sont des impulsions discrètes et non un signal continu. Cela… réduit la quantité d’informations envoyées entre les neurones et offre une grande efficacité énergétique.
Un document décrivant le travail a été récemment publié dans la revue IEEE Robotics and Automation Letters.
Recommandations des rédacteurs
- Des robots de sécurité pourraient arriver dans une école près de chez vous
- L'IA BigSleep c'est comme Google Image Search pour des images qui n'existent pas encore
- Un fan de Star Trek a falsifié les données de la nouvelle génération dans la nouvelle série Picard
- La main robotique la plus avancée au monde se rapproche de la dextérité humaine
- I.A. échoue alors que la caméra du robot TV suit la tête chauve au lieu du ballon de football
Améliorez votre style de vieDigital Trends aide les lecteurs à garder un œil sur le monde en évolution rapide de la technologie avec toutes les dernières nouvelles, des critiques de produits amusantes, des éditoriaux perspicaces et des aperçus uniques.
