AnySkin: Gắn cảm biến chạm cho robot để học các thao tác siêu chính xác
(any-skin.github.io)- Trong thao tác robot, xúc giác rất hữu ích nhưng các cảm biến hiện có khó gắn và khả năng tái sử dụng thấp; AnySkin giảm bớt vấn đề này bằng cảm biến dạng da có thể dễ dàng gắn và thay thế trên end effector
- Bằng cách tách phần điện tử cảm biến khỏi bề mặt, chỉ cần thay phần da bị hỏng; quá trình tích hợp được đơn giản hóa đến mức như lắp ốp điện thoại và cắm sạc
- Bề mặt linh hoạt chứa các hạt sắt từ tạo ra biến dạng từ trường khi tiếp xúc, được 5 từ kế đo dưới dạng mật độ từ thông 3 trục
- Chính sách học bằng bắt chước hành vi (Behavior Cloning) vẫn duy trì tỷ lệ thành công trong các tác vụ Card Swiping, Plug Insertion và USB Insertion sau khi thay da, cho thấy khả năng khái quát hóa giữa các phiên bản cảm biến
- Mô hình LSTM phát hiện trượt được huấn luyện trên dữ liệu của 30 vật thể thường ngày dự đoán slip event với độ chính xác 92%; bài báo, mã nguồn, tệp CAD và công cụ thiết kế đã được công bố
Thiết kế cảm biến xúc giác plug-and-play
- AnySkin là cảm biến dạng da cho cảm ứng chạm của robot, hướng tới cấu trúc dễ gắn và sử dụng hơn trong bối cảnh cảm biến xúc giác ít được dùng hơn thị giác hoặc cảm giác bản thể
- Hạn chế của các cảm biến xúc giác hiện có nằm ở việc thiếu tính phổ dụng, khả năng thay thế và khả năng tái sử dụng dữ liệu
- Dựa trên thiết kế đơn giản của ReSkin, AnySkin tách phần điện tử cảm biến khỏi giao diện cảm biến
- Chỉ cần dễ dàng thay bề mặt mềm bị hỏng
- Được thiết kế để tương thích với nhiều end effector robot khác nhau
- Tiếp xúc được phát hiện thông qua việc từ trường do các hạt sắt đã được từ hóa trong bề mặt cảm biến tạo ra bị biến dạng
- Phần điện tử cảm biến gồm 5 từ kế (magnetometer), mỗi cảm biến đo mật độ từ thông trên 3 trục
Hiệu năng học vẫn được duy trì sau khi thay thế
- AnySkin hướng tới khả năng khái quát hóa giữa các phiên bản: áp dụng chính sách thao tác học được từ một phiên bản cảm biến sang một phiên bản da mới khác
- Chính sách được học bằng bắt chước hành vi vẫn duy trì thành công ở 3 tác vụ sau khi thay da
- Card Swiping
- Plug Insertion
- USB Insertion
- Trong phát hiện trượt, mô hình LSTM được huấn luyện trên dữ liệu của 30 vật thể thường ngày dự đoán slip event với độ chính xác 92%
Phương thức chế tạo và tài liệu công bố
- Quá trình chế tạo trộn Smooth-On DragonSkin 10 Slow và hạt từ MQFP-15-7 25μm theo tỷ lệ 1:1:2, rồi đóng rắn trong khuôn 2 phần
- Skin đã đóng rắn được từ hóa bằng pulse magnetizer
- Tệp thiết kế đầu kẹp đã được công bố
- Các tài liệu liên quan cũng được cung cấp
1 bình luận
Ý kiến trên Hacker News
Theo cách hiểu của tôi, họ cho các hạt từ tính vào cao su silicone rồi từ hóa, sau đó dùng từ kế ở nhiều điểm tham chiếu để phát hiện thay đổi từ trường, đọc biến dạng của cao su và phân tích “điểm áp lực” trên bề mặt
Có vẻ điểm đột phá ở đây là quy trình sản xuất đủ nhất quán, nên với từng giao diện silicone từ tính cụ thể, không cần hiệu chuẩn lại “tín hiệu đầu vào” trong thời gian dài mà vẫn có thể dùng như linh kiện thay thế được
Cảm giác như biến cảm biến xúc giác cao cấp từ thứ làm thủ công theo đơn đặt hàng thành thứ gần với vít gia công bằng máy hơn
Tôi không rành lĩnh vực này, nhưng thật sự rất ấn tượng
Tôi tò mò liệu có thể dùng để phân loại rác và đồ tái chế không, và liệu có thể hiệu chuẩn lại khi bị dính tạp chất hoặc lão hóa không. Silicone có lẽ khá bền trước lão hóa
Không biết có thể dùng để rửa cà chua và nhặt cuống không
Tôi cũng muốn có một trackpad làm bằng thứ này. Tò mò độ phân giải có thể đạt được đến đâu, và tôi không muốn phải hy sinh quá nhiều độ phân giải để đổi lấy các chức năng như áp lực, độ nghiêng
Tuy nhiên, nếu cảm giác giống như chà ngón tay lên da thì cũng có thể khá rợn, nên tôi không muốn laptop có một phần trông như miếng thịt
Phân loại rác/tái chế không có nhiều robot, đa số tận dụng đặc tính vật liệu của vật thể. Một số công ty đã thử đưa robot delta vào để đạt thông lượng cao cần thiết cho lợi nhuận, nhưng vẫn chưa đủ. Các đô thị hoặc đại học có ngân sách lớn thì có thể làm được, nhưng khó biện minh về mặt tài chính
Về hiệu chuẩn lại, tôi tò mò các nhà phát triển xử lý vấn đề từ trường yếu dần theo thời gian và tạp chất như thế nào. Silicone có thể đạt cấp độ cho phép rửa, nhưng ở thông lượng cao, vật liệu mềm liên tục tiếp xúc với chi tiết sẽ bị mài mòn và đặc tính gắp cũng thay đổi
Rửa cà chua và bỏ cuống cần chi phí robot và end effector giảm thêm hơn 10 năm nữa, đồng thời hiệu suất tăng lên, mới có thể thắng được rửa hàng loạt và bỏ cuống thủ công, hoặc các thao tác cơ khí thô. Nó giống một dự án nghiên cứu sinh cho giả định robot gia dụng trong tương lai về mặt lý thuyết hơn
Lenovo TrackPoint có khả năng đã cung cấp 95% những gì cần cho trackpad, và tôi không nghĩ cảm biến xúc giác này nhắm vào thị trường đó
Những nơi có vẻ hữu ích là phiên bản đơn giản gắn lên end effector hiện có để chỉ đưa phản hồi boolean kiểu “phát hiện chi tiết”, dùng để phát hiện chi tiết có dịch chuyển đáng kể trong lúc đang gắp hay không nhằm dừng robot, gắp thực phẩm cần nhiều tổ hợp áp lực, các tác vụ căn chỉnh mà chỉ dựa vào khớp khó phát hiện vị trí do end effector dài, và thao tác với vải. Vải là bài toán khó với robot, nên có thêm thông tin về “chi tiết” sẽ hữu ích, và có thể hạ thấp đáng kể rào cản để tự động hóa sản xuất giày ở mức giá hợp lý
Cốt lõi có vẻ là các chip từ kế 3 trục khá ổn được bố trí thành mảng[1]
Các hạt từ tính nhúng trong lớp da có thể thay thế được sẽ được căn thẳng song song trong bước từ hóa khi sản xuất. Thật thú vị khi nhiều yếu tố gần như ở tuyến đầu công nghệ nhưng vẫn có thể dùng trong xưởng tại nhà được kết hợp với nhau
[1] https://www.digikey.com/en/products/detail/melexis-technolog...
ReSkin: versatile, replaceable, lasting tactile skins
https://arxiv.org/abs/2111.00071
Trông thật sự hữu ích cho nhạc cụ điện tử. Chẳng hạn như Linnstrument(https://www.rogerlinndesign.com/linnstrument), dùng lưới các dải điện trở cảm biến lực
Tôi tò mò nếu đặt các cảm biến này cạnh nhau thì chúng có gây nhiễu lẫn nhau không
Tôi lo về chi phí, nhưng các nhạc cụ hiện có cũng đâu có rẻ
Các mẫu lớn đều khá đắt, nên tôi tò mò liệu công nghệ mới này có thể là cách làm các sản phẩm như vậy rẻ hơn không
Với những nhạc cụ có nhiều phản hồi xúc giác hơn như trống tay hay violin thì có thể thú vị. Nhưng các bề mặt điều khiển điện tử kiểu đó tồn tại chỉ vì người chơi là con người vốn không phải robot
Trong các tác vụ như cắm USB, tôi tò mò liệu robot có cảm nhận được sự thay đổi góc khi nó được căn đúng với lỗ, hay cảm nhận chênh lệch áp lực giữa hai “ngón tay” hay không
Tôi muốn biết liệu robot có kiểu “mò mẫm” để căn phích USB cho đúng không
Ngoài ra cũng tò mò vật liệu skin cơ bản là silicone đúc, hay có khả năng là TPU có thể in 3D
https://www.smooth-on.com/products/dragon-skin-10-slow/
Vì vậy có lẽ khó in 3D trực tiếp, nhưng khuôn thì có thể in 3D được
Rất hay, và trông dễ chế tạo hơn nhiều so với cảm biến Takktile trước đây https://biorobotics.harvard.edu/takktile.html
Nếu đặt một lớp đủ cứng giữa chip và skin, có vẻ có thể tác dụng lực lên skin tới mức phá hủy mà vẫn không làm hỏng bảng mạch. Takktile có cấu trúc epoxy tiếp xúc trực tiếp với cảm biến áp suất, nên dù có thể phủ lớp bảo vệ lên trên, độ nhạy chắc chắn sẽ giảm
Tôi cũng tò mò phần học chính sách độc lập với công nghệ này đến mức nào. Không rõ mô hình sẽ dựa vào vị trí tiếp xúc hay dựa vào vector hướng do bo mạch cung cấp. Không phải nói bản thân điều đó là vấn đề, mà tôi muốn biết liệu tính định hướng có “tách riêng” một số biến đổi cụ thể để đơn giản hóa quá trình học hay không
Tuy nhiên vì dùng deep learning, rất khó diễn giải chính sách thực sự phụ thuộc vào đại lượng nào. Về tiềm năng thì có thể không phụ thuộc vào modality, nhưng cho đến nay chưa có cảm biến nào (1) phát hiện được các đại lượng liên quan trực quan như vị trí tiếp xúc và lực 3 trục, và (2) cho thấy tín hiệu đủ nhất quán để mô hình deep learning có thể khái quát hóa giữa các cá thể
Đây là động lực cốt lõi của AnySkin, và họ đã tìm ra một quy trình chế tạo tương đối đơn giản giúp đạt được điều đó trong phương thức cảm biến từ tính
Tôi từng làm một chút nghiên cứu về xúc giác robot và thấy thật sự rất thú vị
Chúng tôi dùng cảm biến “biotac”; hiệu năng rất tốt, nhưng 1) cực kỳ đắt và 2) việc thay skin bị mòn cực kỳ khó
Một điểm biotac hơn cách này là nếu gửi một tấm séc lớn thì thực sự có thể mua được. Những thứ xuất phát từ học thuật như thế này nhiều khi không thể kiếm được, bất kể giá cả. Trông rất tuyệt và tôi muốn có vài cái
Có lẽ chỉ cần in 3D bằng TPU rồi nhét nam châm chất lượng cao vào. Tự tái từ hóa chắc cũng khá dễ, dù có thể không rẻ https://www.magnet-physik.de/en/magnetizing-technology/magne...
Bo mạch bên dưới có lẽ chỉ là một lưới các sản phẩm này https://www.adafruit.com/product/4022
Tôi thích đồ họa “Fabrication process”. Có lẽ khó mà làm đơn giản hơn thế
Ứng dụng là cảm biến xúc giác, nhưng đột phá thật sự có vẻ nằm ở việc đưa các hạt từ tính theo hướng song song vào trong một môi trường mềm dẻo
Ngay lập tức nảy ra vài câu hỏi. Công ty làm Magnequench hẳn nhiên biết có thể đưa hạt từ tính vào vật liệu khác, vậy ứng dụng phổ biến nhất của loại hạt này là gì? Tôi tò mò chúng thường được đưa vào môi trường rắn cố định, không mềm dẻo, hay vào chất lỏng
Tôi cũng tò mò liệu nhất thiết phải dùng Dragon Skin không. Ý tưởng trộn hạt từ tính vào môi trường bán rắn rất thú vị. Nếu cho hạt vào thạch Jello hoặc Silly Putty chẳng hạn, liệu có thể dùng từ trường bên ngoài để làm biến dạng hoặc tạo hình môi trường chứa hạt đó không
Cụm “chính sách thị giác-xúc giác đã học cho các tác vụ chính xác như cắm USB hoặc quẹt thẻ tín dụng…” và “nền tảng lớn…” khiến tôi nghĩ thứ này sẽ cho phép robot dùng tay nắm cửa hoặc núm cửa để theo nghĩa đen là mở cửa. Rất đáng mong đợi
Theo tôi biết thì trước đây chưa từng thấy điều này, và đây là kết quả mở ra các ứng dụng quy mô lớn rất thú vị cho cảm biến này