Senzori od tečnih metala i AI pomažu da protetičke ruke “osete”
Svaki ljudski vrh prsta ima više od 3.000 receptora za dodir koji u velikoj meri reaguju na pritisak. Ljudi se u velikoj meri oslanjaju na osećaj u vrhovima prstiju kada manipulišu predmetom, tako da nedostatak ovog osećaja predstavlja jedinstven izazov za pojedince sa amputacijama gornjih udova. Iako je danas dostupno nekoliko spretnih protetika, svima nedostaje osećaj „dodira“. Odsustvo ove senzorne povratne informacije dovodi do toga da predmeti nehotice budu ispušteni ili zgnječeni od strane protetičke ruke.
Da bi omogućili prirodniji osećaj interfejsa protetičke ruke, istraživači su ugradili rastegljive taktilne senzore koristeći tečni metal na vrhovima prstiju protetičke ruke. Ugrađena unutar elastomera na bazi silikona, ova tehnologija pruža ključne prednosti u odnosu na tradicionalne senzore, uključujući visoku provodljivost, usklađenost, fleksibilnost i rastegljivost. Ova hijerarhijska integracija taktilnog osećaja sa više prstiju mogla bi da obezbedi viši nivo inteligencije za veštačke ruke.
Istraživači su koristili pojedinačne vrhove prstiju na protezi da bi razlikovali različite brzine kliznog kretanja duž različitih teksturiranih površina. Četiri različite teksture imale su jedan varijabilni parametar: rastojanje između grebena. Da bi otkrili teksture i brzine, istraživači su obučili četiri algoritma mašinskog učenja. Za svaku od deset površina, prikupljeno je 20 ispitivanja kako bi se testirala sposobnost algoritama mašinskog učenja da razlikuju deset različitih složenih površina koje se sastoje od nasumično generisanih permutacija četiri različite teksture.
Rezultati su pokazali da se integracija taktilnih informacija sa senzora tečnog metala na četiri protetska vrha prstiju istovremeno razlikuje među složenim površinama sa više tekstura, demonstrirajući novi oblik hijerarhijske inteligencije. Algoritmi mašinskog učenja su bili u stanju da razlikuju sve brzine sa svakim prstom sa velikom preciznošću.
Tim je uporedio četiri različita algoritma mašinskog učenja za njihove uspešne sposobnosti klasifikacije od kojih je jedan pokazao tačnost od 99,2 odsto da razlikuje deset različitih površina sa više teksture koristeći četiri senzora tečnog metala sa četiri prsta istovremeno.
Izvor: techbriefs.com
