دست روباتیک با پوست الکترونیکی

پژوهشگران بریتانیایی پوست الکترونیکی جدیدی ساخته‌اند که قادر به احساس درد است و معتقدند که این محصول می‌تواند نسل جدیدی از روبات‌های هوشمند تولید کند که با حواس شبه‌انسانی، قادر به یادگیری از اشتباهات دردآور می‌باشند.

گروهی از پژوهشگران دانشگاه گلسگو یک پوست مصنوعی با سیستم پردازشی جدید ساخته‌اند؛ این سیستم بر پایه ترنزیستورهای سیناپسی عمل می‌کند که با تقلید از مسیرهای عصبی مغز می‌آموزند.

یک دست روباتیک توانسته است با تکیه بر پوست هوشمند، قابلیت چشمگیری در واکنش به محرک‌های خارجی از خود نشان دهد.

نحوه ساخت نمونه اولیه پوست الکترونیکی و تاثیر آن بر جدیدترین فناوری‌های حساس به لمس امروزی در مقاله توضیح داده شده است.

دانشمندان سال‌هاست در تلاش‌اند پوستی مصنوعی با قابلیت احساس لمس بسازند. یکی از رویکردهای رایج در این حوزه، آرایه‌ای از حسگرهای لمسی یا فشاری را روی سطح پوست الکترونیکی توزیع می‌کند تا پوست بتواند تشخیص دهد چه زمانی لمس می‌شود.

داده‌های حاصل از این حسگرها برای پردازش و تفسیر به یک کامپیوتر فرستاده می‌شوند. حجم زیادی داده‌ها باعث می‌شود پردازش و پاسخدهی درست به آن‌ها امری زمان‌بر باشد. این تاخیرات مانع کاربرد پوست مصنوعی در دنیای واقعی می‌شوند.

پژوهشگران دانشگاه گلسگو از نحوه تفسیر سیگنال‌های پوستی در سیستم عصبی محیطی انسان الهام گرفته‌اند تا تاخیر و مصرف انرژی را پایین بیاورند.

در انسان‌ها، بعد از این‌که پوست ورودی حسی را دریافت کرد، سیستم عصبی محیطی ورودی را در همان نقطه پردازش می‌کند؛ در نتیجه، تنها اطلاعات حیاتی به مغز ارسال می‌شوند.

ترکیب ترنزیستور سیناپسی با حسگرهای پوستی در روبات

کاهش داده‌های حسی باعث می‌شود بازدهی مصرف کانال‌های ارتباطی که پیام را به مغز می‌رسانند، بیشتر شود و مغز تقریبا به صورت فوری، بدن را به بروز واکنش مناسب به محرک وادار کند.

پژوهشگران برای ساخت پوست الکترونیکی با قابلیت محاسبات کارآمد و شبه‌سیناپسی، شبکه‌ای از ۱۶۸ ترنزیستور سیناپسی چاپ کردند؛ این ترنزیستورها از سیم‌های نانومتری از جنس زینک‌اکسید ساخته شده و مستقیماً روی یک سطح پلاستیکی انعطاف‌پذیر قرار گرفته‌اند. سپس، ترنزیستور سیناپسی را با حسگرهای پوستی ترکیب کرده و روی کف دست یک بازو به شکل روبات به شکل دست انسان جای‌گذاری کردند.

وقتی حسگر لمس می‌شود، مقاومت الکتریکی آن تغییر می‌کند؛ هرچه تماس ضعیف‌تر باشد، تغییر نیز کوچک‌تر است.

ورودی به نحوی طراحی شده است که نحوه کارکرد نورون‌های حسی موجود در بدن انسان را تقلید کند.

در نسل‌های قبلی پوست الکترونیکی، داده‌های ورودی برای پردازش به یک کامپیوتر ارسال می‌شدند. اکنون، مداری که در پوست تعبیه شده است به عنوان سیناپس مصنوعی عمل می‌کند و ورودی را به یک جریان ساده ولتاژ تبدیل می‌کند که فرکانسش، بسته به فشار وارده بر پوست، متفاوت است. به همین دلیل، سرعت واکنش افزایش می‌یابد.

پژوهشگران از تفاوت فرکانسی جریان ولتاژ استفاده کردند تا پاسخ‌های مناسب را به پوست بیاموزند و دست را وادار به واکنش کنند. با تنظیم آستانه‌ای مشخص برای ولتاژ ورودی، روبات می‌تواند در پاسخ به یک ضربه‌ای به کف دست، خودش را به سرعت جمع کند. به بیان دیگر، دستی که به شکل روبات است؛ از طریق پردازش اطلاعات با تقلید از سیستم عصبی انسان، می‌آموزد از منبع محرک ناخوشایند دوری کند.

توسعه پوست الکترونیکی جدیدترین دستاورد گروه BEST (فناوری‌های حسی و الکترونیکی انعطاف‌پذیر) دانشگاه گلسگو است.

داهیا، استاد دانشکده مهندسی گلسگو، می‌گوید: «ما انسان‌ها در همان مراحل اولیه زندگی می‌فهمیم که به محرک‌های غیرمنتظره مثل درد پاسخ مناسب را بدهیم تا از آسیب دوباره جلوگیری کنیم. البته، ساخت این پوست الکترونیکی به معنای احساس درد به آن شکلی که ما می‌شناسیم، نیست؛ بلکه راهی برای توضیح فرآیند یادگیری از محرک‌های خارجی می‌باشد. این پوست الکترونیکی می‌تواند یادگیری توزیع شده را در سطح سخت‌افزاری انجام دهد، ولی نیازی ندارد پیام‌های متعدد با یک پردازشگر مرکزی مبادله کند تا بتواند رفتاری از خود نشان دهد. به همین دلیل، محاسبات موردنیاز به شدت کاهش می‌یابند. ما باور داریم که این فناوری گامی بزرگ در راستای ساخت پوست الکترونیکی نورومورفیک در مقیاس بزرگ است که قادر به پاسخگویی مناسب به محرک‌ها است.»

فنگویان لیو، عضو گروه BEST و یکی از نویسندگان مقاله، اضافه می‌کند: «این پژوهش می‌تواند پایه و اساس ساخت یک پوست الکترونیکی پیشرفته‌تر در آینده باشد که به موجب آن، روبات‌ها بتوانند به طرق جدید با دنیا ارتباط برقرار کرده و در آن به جست‌وجو بپردازند. حتی می‌توان اعضای مصنوعی ساخت که قابلیت لمسی در حد انسان‌ها از خود نشان دهند.»

مقاله‌ پژوهشگران به نام Printed Synaptic Transistors based Electronic Skin for Robots to Feel and Learn در ژورنال EPSRC منتشر شده است. این پژوهش از سوی انجمن پژوهش علوم فیزیک و مهندسی (EPSRC) پشتیبانی شده است.

جدیدترین اخبار هوش مصنوعی ایران و جهان را با هوشیو دنبال کنید