Våra händer är som en bro mellan hjärnans avsikter och den fysiska världen, och utför våra önskningar genom att låta oss förvandla tankar till handlingar. Om robotar verkligen ska leva upp till sin potential när det kommer till interaktion är det avgörande att de därför har något liknande instrument till sitt förfogande.
Vi vet att robotister bygger en del redan förvånansvärt invecklade robothänder. Men de behöver också smartheten för att kontrollera dem - att de kan greppa föremål på rätt sätt både beroende på deras form och deras hårdhet eller mjukhet. Du vill inte att din framtida robotkollega ska krossa din hand till blodig gröt när den skakar hand med dig den första dagen på kontoret.
Rekommenderade videor
Lyckligtvis är detta vad forskare från Tyskland har arbetat med med en nya, mer hjärninspirerade neurala nätverk som kan tillåta en robothand (i detta fall en befintlig modell som kallas a Schunk SVH 5-finger hand) för att lära sig hur man plockar upp föremål med olika former och hårdhetsnivåer genom att välja rätt grepprörelse. I en proof-of-concept-demonstration kunde robothanden plocka upp ett ovanligt antal föremål, inklusive — men inte begränsat till — en plastflaska, tennisboll, svamp, gummianka, penna och ett sortiment av ballonger.
"Vårt tillvägagångssätt har två huvudkomponenter: modelleringen av handens rörelser och den kompatibla kontrollen," Juan Camilo Vasquez Tieck, berättade en forskare vid FZI Forschungszentrum Informatik i Karlsruhe, Tyskland, för Digital Trends. "Handen är modellerad i en hierarki av olika lager, och rörelsen representeras med rörelseprimitiver. Alla lederna i ett finger koordineras av en fingerprimitiv. För en speciell grepprörelse är alla fingrar koordinerade av en handprimitiv."
Med andra ord, förklarade han, kan den stänga handen på olika sätt.
Systemet representerar ett annat sätt att utveckla robotsystem för att utföra den här typen av åtgärder. Det inblandade neurala nätverket gör att handen kan greppa mer intelligent och göra anpassningar i realtid vid behov.
“Spikande neurala nätverk (SNN) är en speciell typ av artificiella neurala nätverk som modellerar närmare hur verkliga neuroner fungerar, fortsatte Tieck. "Det finns många spikande neuronmodeller baserade på neurovetenskaplig forskning. För detta arbete använde vi läckande integrera och eld (LIF) neuroner. Kommunikationen mellan neuroner är händelsebaserad, med spikar. Spikar är diskreta impulser och inte en kontinuerlig signal. Detta … minskar mängden information som skickas mellan neuroner och ger stor energieffektivitet.”
Ett papper som beskrev arbetet var nyligen publicerad i tidskriften IEEE Robotics and Automation Letters.
Redaktörens rekommendationer
- Säkerhetsrobotar kan komma till en skola nära dig
- The BigSleep A.I. är som Google Bildsökning efter bilder som inte finns ännu
- Ett Star Trek-fan förfalskade Next Generation-era Data i den nya Picard-serien
- Världens mest avancerade robothand närmar sig skicklighet på mänsklig nivå
- A.I. misslyckas eftersom robot-TV-kameran följer kala huvudet istället för fotboll
Uppgradera din livsstilDigitala trender hjälper läsare att hålla koll på den snabba teknikvärlden med alla de senaste nyheterna, roliga produktrecensioner, insiktsfulla redaktioner och unika smygtittar.
