Управление роботизированными руками, которые могут точно и аккуратно действовать в условиях таких помех, как стволы и густые ветви, остается сложной задачей. В рамках недавнего исследования была разработана система SonicBoom, которая основана на использовании акустики, чтобы локализовать или «чувствовать» объекты, к которым прикасается робоманипулятор. Результаты исследований опубликованы в IEEE Robotics and Automation Letters.

Сейчас одним из основных подходов для решения задачи является использование манипуляторов, оснащенных набором микроминиатюрных тактильных датчиков на основе камер. Микрокамеры под защитным покрытием позволяют визуально оценивать объекты. Но этот подход далек от идеала – зачастую ветви и листья закрывают датчики. Кроме того, такие датчики не являются бюджетными. Они могут повреждаться в процессе эксплуатации робота.

Другой вариант – датчики давления. При использовании этого подхода, датчики должны покрывать значительную часть поверхности робота, чтобы можно было понять, какие его части вступают в контакт с ветвями или стволами растений. В идеале тактильные сенсоры должны покрывать всю поверхность. Но такой подход вновь подразумевает немалые затраты.

Мунён (Марк) Ли из Института робототехники Института Карнеги Меллона и его коллеги по разработке, предлагают иной подход, основанный на анализе звуковой информации. Основа новой системы – набор контактных микрофонов, которые при соприкосновении анализируют звуковые сигналы, распространяющиеся через твердые материалы.

Как работает Sonic Boom?

Когда роботизированная рука касается ветви, звуковые волны распространяются по манипулятору и попадают на массив контактных микрофонов. Анализируя интенсивность и фазу сигнала, можно локализовать источник звука и точки контакта.

При таком подходе микрофоны могут стоять в роботизированной руке сравнительно глубоко, что означает их высокую защищенность от резких или абразивных контактов.

Микрофонов необходимо не так уж много, главное – разместить их по всей длине руки. Это выгодно отличает идею от использования визуальных датчиков или датчиков давления, которые обычно размещают плотнее.

Для анализа сигналов с целью локализации точек контакта, исследователи задействовали модель ИИ, обученную на данных, созданных путем постукивания по роботизированной руке деревянным стержнем более 18 тысяч раз. В итоге SonicBoom научился локализовать точки контакта с ошибкой не более 0.43 см для объектов, которые его обучили обнаруживать. Он также мог определить и точки касаний с незнакомыми ему объектом, например, с пластиком или алюминием, с точностью 2.22 см.

Исследователи продолжают эксперименты, в частности, уже проведен этап, на котором SonicBoom научился определять, с каким объектом он столкнулся, например, с листом, веткой или стволом.

Важно отметить, что пока что речь идет об исследованиях, в реальных условиях сельского хозяйства система еще не применялась. Тем не менее, подход представляется интересным, несмотря на его необычность.

@RoboMilk по материалам Spectrum IEEE, фото Moonyoung Lee et al.