DLO-Tact: avance de la percepción robótica mediante el reconocimiento de objetos asistido por aprendizaje profundo con un sensor táctil híbrido triboeléctrico-capacitivo

En robótica, la detección táctil es una tecnología crítica que complementa la información visual, permitiendo a los robots interactuar con su entorno de una manera similar al tacto humano. Pueden percibir bien la textura y la dureza de los objetos. Sin embargo, los sensores tienen una eficacia limitada a la hora de detectar las sutilezas que diferencian los objetos. Teniendo en cuenta estos desafíos, se diseñó un novedoso sensor táctil híbrido eficaz, el DLO-Tact (Deep Learning-Optimized Tactile), con componentes de detección triboeléctricos y capacitivos. Con estos elementos combinados, se mejoró aún más el reconocimiento de objetos. Los sensores triboeléctricos funcionan según el principio de electrificación por contacto; Los sensores capacitivos, por el contrario, reconocen las fluctuaciones de capacidad provocadas por la proximidad. Dado que ambas características se combinan en el dispositivo híbrido, se logra un rango dinámico ampliado y una mayor sensibilidad.

Los modelos actuales de sensores táctiles enfrentan desafíos importantes, como resolución espacial limitada, sensibilidad a interferencias externas, desgaste y daños, y desafíos complejos de cableado e integración. Esto genera resultados inconsistentes y es posible que el sensor no reconozca objetos con texturas similares. La identificación precisa de objetos requiere que los sensores tengan múltiples elementos sensores, lo que se puede lograr introduciendo múltiples cables en una red compleja dentro del sensor. Sin embargo, esta comprensibilidad dificulta la escalabilidad de los sistemas de sensores táctiles. Además, la interacción con los objetos puede provocar su desgaste con el tiempo.

El sistema DLO-Tact utiliza un enfoque de sensor dual en el que tanto la capa de detección triboeléctrica como la capacitiva se fabrican utilizando PDMS poroso, un material flexible y gomoso. PDMS puede capturar mejor la deformación bajo presión, mejorando la sensibilidad táctil. Fabricar ambas capas con el mismo material asegura compatibilidad y eficiencia en la producción a gran escala. Luego, el sensor híbrido se mejora con algoritmos de aprendizaje profundo diseñados específicamente para interpretar los datos únicos generados por las unidades triboeléctricas y capacitivas. El componente triboeléctrico contribuye a la autoalimentación, reduciendo la dependencia de fuentes de energía externas y haciendo que el sensor sea más versátil en diversas aplicaciones.

Los componentes clave del sistema DLO-Tact incluyen:

• Capas de detección híbridas: La capa triboeléctrica detecta detalles finos de la textura respondiendo a las señales eléctricas generadas cuando entra en contacto con la superficie de los objetos. Por el contrario, la capa capacitiva detecta la dureza del objeto midiendo los cambios en la capacitancia a medida que se aplica presión.
• Asistencia de aprendizaje profundo: Estas unidades de detección recopilan datos complejos que deben interpretarse. Entonces, los investigadores entrenaron el modelo de aprendizaje profundo en diversas muestras de objetos para reconocer variaciones sutiles en textura y firmeza. Permitiendo así que estos sensores reconozcan objetos similares con diferencias sutiles.
• Protocolos de prueba: El sensor DLO-Tact se evaluó utilizando 12 muestras de objetos diferentes. Cada muestra varió en textura y dureza, lo que permitió al sistema demostrar su capacidad para distinguir entre objetos y detectar cambios en el estado del objeto con un error mínimo.

Se demostró que el sistema DLO-Tact logra una precisión del 98,46 % en la diferenciación de las 12 muestras de objetos y, al mismo tiempo, mejora significativamente con respecto a los sensores táctiles existentes. El aprendizaje profundo utilizado por el sensor híbrido permitió reconocer objetos no solo en estados prístinos, como cuando los objetos tenían formas idénticas y se volvían más blandos o más duros. Una tasa de precisión tan alta es fundamental para los avances en la precisión de la percepción robótica y, a menudo, depende de características sutiles de los objetos en el entorno.

El sistema DLO-Tact ofrece una nueva y poderosa herramienta para mejorar la inteligencia táctil robótica mediante la integración de sensores triboeléctricos y capacitivos con aprendizaje profundo. Su alta precisión y adaptabilidad lo hacen ideal para aplicaciones que requieren una percepción táctil refinada, como en robótica médica, automatización industrial y tecnología de asistencia. El sensor DLO-Tact establece un nuevo estándar en detección táctil al superar las limitaciones de los sensores tradicionales y brindar un nivel de precisión que podría redefinir las capacidades de los robots para interactuar con entornos físicos complejos.

Mira el Papel. Todo el crédito por esta investigación va a los investigadores de este proyecto. Además, no olvides seguirnos en Gorjeo y únete a nuestro Canal de telegramas y LinkedIn Grarriba. Si te gusta nuestro trabajo, te encantará nuestro hoja informativa.. No olvides unirte a nuestro SubReddit de más de 55.000 ml.

(SEMINARIO WEB GRATUITO sobre IA) Implementación del procesamiento inteligente de documentos con GenAI en servicios financieros y transacciones inmobiliarias

Afeerah Naseem es pasante de consultoría en Marktechpost. Está cursando su licenciatura en tecnología en el Instituto Indio de Tecnología (IIT), Kharagpur. Le apasiona la ciencia de datos y le fascina el papel de la inteligencia artificial en la resolución de problemas del mundo real. Le encanta descubrir nuevas tecnologías y explorar cómo pueden hacer que las tareas cotidianas sean más fáciles y eficientes.