مستشعر لمسي يعتمد على فيلم مغناطيسي مرن

يعد الإدراك اللمسي أحد القدرات المهمة للروبوتات الذكية والتفاعل بين الإنسان والحاسوب، ولكن كيفية تحقيق الإدراك اللمسي عالي الدقة والاستجابة السريعة لا يزال يواجه العديد من التحديات. غالبًا ما تكون أجهزة الاستشعار اللمسية التقليدية محدودة بربط الإشارة في قياس القوة، مما يجعل من الصعب التمييز بدقة بين القوة الطبيعية والقوة المماسية. وفي الوقت نفسه، وبسبب محدودية دقة وحدة الاستشعار، فإن الدقة المكانية للإدراك اللمسي مقيدة أيضًا.توفر تقنية الفصل الذاتي والاستشعار اللمسي فائق الدقة المعتمدة على الفيلم المغناطيسي المرن حلاً لهذه المشكلات.

تقوم هذه التقنية بتصميم مستشعر لمسي مرن بغشاء مغناطيسي من خلال مجموعة هالباخ المغناطيسية المتعامدة. عندما تؤثر قوة خارجية على سطح المستشعر، يتشوه الفيلم المغناطيسي المرن، مما يتسبب في تغير توزيع المجال المغناطيسي.. يتمكن مستشعر هول المتكامل من التقاط التغيرات في المجال المغناطيسي وتحقيق الفصل الذاتي للقوى ثلاثية الأبعاد من خلال معالجة الإشارة. بالإضافة إلى ذلك، باستخدام خوارزمية فائقة الدقة، يمكن للمستشعر تحقيق دقة تحديد المواقع أعلى من الدقة المادية، مما يحسن بشكل كبير الدقة المكانية للإدراك اللمسي.

في 26 ديسمبر، في الحدث الخامس للمشاركة عبر الإنترنت "القادمون الجدد على الحدود" الذي تستضيفه Embodied Touch Community وتنظمه شركة HyperAI،تحدث الدكتور يان يوكان، باحث ما بعد الدكتوراه من المركز الوطني الفرنسي للبحوث العلمية، عن موضوع "الفصل الذاتي والاستشعار اللمسي فائق الدقة استنادًا إلى الأفلام المغناطيسية المرنة".تم مشاركة تصميم وتطبيق أجهزة الاستشعار اللمسية المعتمدة على الأفلام المغناطيسية المرنة مع الجميع، وكان التركيز على كيفية استخدام مجموعة هالباخ مع المغناطيسية المتعامدة لتحقيق الفصل الذاتي للقوى ثلاثية الأبعاد.

قام HyperAI بتجميع وتلخيص المشاركة المتعمقة للدكتور يان يوكان دون انتهاك النية الأصلية.

تصميم واستكشاف تطبيقات أجهزة الاستشعار اللمسية

الوضع الحالي والتحديات التي تواجه الإدراك اللمسي للروبوت

كما نعلم جميعًا، يمكن للأيدي البشرية القيام بالعديد من العمليات المعقدة، مثل تقطيع البطاطس، وسكب الماء، وما إلى ذلك، ويرجع ذلك أساسًا إلى قدرة اليدين الغنية على الإدراك اللمسي. ويعد هذا الإدراك اللمسي أمرًا بالغ الأهمية بالنسبة للروبوتات أيضًا. فهو لا يساعد الروبوتات على إدراك البيئة الخارجية فحسب، بل يمكّنها أيضًا من التفاعل مع البيئة. عندما يتم تثبيت أجهزة استشعار لمسية على أطراف أصابع الروبوت، يصبح الروبوت قادرًا على تنفيذ عمليات دقيقة معينة حتى بدون ردود فعل بصرية.

ومع ذلك، فإن الإدراك اللمسي للروبوتات الحالية لا يزال يقتصر بشكل أساسي على أطراف الأصابع مقارنة بالنظام اللمسي البشري، حيث يمتلك البشر مستقبلات لمسية موزعة في جميع أنحاء الجسم.من أجل منح الروبوتات قدرات الإدراك اللمسي، قام الباحثون بتطوير أنواع مختلفة من أجهزة الاستشعار اللمسية، بما في ذلك البصرية، والمقاومة للضغط، والسعوية.تتمتع هذه المستشعرات بمزاياها وعيوبها الخاصة، ولكن التحدي المشترك الذي تواجهه هو كيفية فصل القوة الطبيعية عن القوة المماسية من خلال بنية مستشعر بسيطة وعملية معايرة.

تصميم مستشعر لمسي يعتمد على فيلم مغناطيسي مرن

ولمعالجة هذه المشكلة، قمنا بتصميم مستشعر لمسي يعتمد على فيلم مغناطيسي مرن (كما هو موضح في الشكل أدناه). يتكون هيكلها من ثلاث طبقات: الطبقة العليا عبارة عن فيلم مغناطيسي مرن ممغنط جيبيًا، وهو عبارة عن خليط من بولي دايميثيل السيلوكسان (PDMS) ومسحوق مغناطيسي من حديد النيوديميوم والبورون؛ الطبقة الوسطى هي طبقة مرنة مرنة؛ والطبقة السفلية عبارة عن لوحة دائرة (PCB) مع مستشعر هول.عندما تؤثر قوة خارجية على سطح المستشعر، يتشوه الفيلم المغناطيسي المرن، مما يتسبب في تغير المجال المغناطيسي. بعد التقاط هذا التغيير في المجال المغناطيسي بواسطة مستشعر هول، يتم تحقيق فصل القوى الخارجية من خلال معالجة الإشارة.

تكمن ضرورة فصل حجم القوة الخارجية في أنه في بعض السيناريوهات أو التطبيقات، يمكن تحقيق التحكم الفعال من خلال ردود الفعل القوية باستخدام مبادئ فيزيائية بسيطة.كما هو موضح في الشكل أدناه، في التجربة، أظهرنا القدرة على الإمساك بالبيض بناءً على ردود الفعل اللمسية. عندما يكتشف المستشعر قوة سحب لأسفل في الاتجاه المماسي، سيعمل نظام التحكم على زيادة قوة الإمساك وفقًا لذلك بحيث تكون القوة الناتجة دائمًا داخل مخروط الاحتكاك، وبالتالي الحفاظ على استقرار الإمساك. بدون ردود فعل لمسية، قد تنزلق البيضة بسبب عدم إجراء التعديل في الوقت المناسب. لذلك، فإن فصل القوة له أهمية كبيرة لتحقيق التحكم الدقيق.

مصفوفة هالباخ مع مغناطيسية متعامدة

إن مغناطيس مجموعة هالباخ المستخدم في هذه الدراسة فريد من نوعه لأنه قادر على تعزيز المجال المغناطيسي على جانب واحد وإضعافه على الجانب الآخر.كما هو موضح في الشكل أدناه، عندما يتم مغناطيسية المادة المغناطيسية في الأوضاع الجيبية على طول اتجاه x واتجاه z على التوالي ويتم فرضها، يمكن تعزيز المجال المغناطيسي بشكل كبير على جانب واحد بينما يكون قريبًا من الصفر على الجانب الآخر. تُستخدم هذه الميزة على نطاق واسع في المحركات ومسارات الرفع المغناطيسي ومغناطيسات الثلاجة وغيرها من المجالات.

بالإضافة إلى ذلك، بسبب التدفق المغناطيسي B أسفل مجموعة هالباخ_س و ب_ز لا يمكن استخدام التدفق المغناطيسي الخام لفصل القوى لأنه مقترن بإحداثيات x وz. ولكن بعد الحساب، وجدنا أن قوة المجال المغناطيسي B (أي B_س و ب_ز الجذر التربيعي لمجموع المربعات يرتبط فقط باتجاه z، بينما الكمية R مرتبطة باتجاه المجال المغناطيسي_ب(أي ب_س/ب_ز) ذات صلة فقط في اتجاه x (كما هو موضح في الشكل أدناه). تم التحقق من هذه النتيجة أيضًا في القياسات الفعلية: حيث تتأثر قيمة شدة المجال المغناطيسي B فقط بالاتجاه z، بينما R_ب القيمة تتأثر فقط باتجاه x.

وبناءً على هذه الخاصية، فإن القوة العمودية F_ز يمكن التعبير عنها بقوة المجال المغناطيسي B، والقوة المماسية F_س اتجاه المجال المغناطيسي R_ب يمثل هذا الفصل الطبيعي بين اتجاه x واتجاه z.تعمل ميزة الفصل هذه على تبسيط عملية معايرة المستشعر بشكل كبير. ومع ذلك، فإن قيود طريقة المغناطيسية هذه هي أن توزيع شدة المجال المغناطيسي على طول اتجاه y يكون موحدًا، ولا يمكن استشعار القوة في اتجاه y.

ولحل هذه المشكلة، قمنا بتركيب طبقتين من الأفلام المغناطيسية الجيبية.نظرًا لأن المجال المغناطيسي يتبع مبدأ التراكب، فإن المجال المغناطيسي المتراكب يتغير على طول اتجاهات x وy وz. كما هو موضح في الشكل أدناه، ثبت بالاستنتاج أنه في ظل ظروف التشوه الصغيرة، تكون شدة المجال المغناطيسي المتراكبة B ومعامل اتجاه المجال المغناطيسي R_{إكس زد} و ر_يز كما أنها تمتلك خصائص الانفصال الطبيعي. لذلك، يمكننا استخدام هذه المعلمات الثلاثة لاستنتاج مقدار القوة في اتجاهات x وy وz، وبالتالي تقليل تعقيد المعايرة وتحقيق معايرة أسرع.

تطبيق أجهزة الاستشعار اللمسية القائمة على فصل القوة ثلاثية الأبعاد

بناءً على مبدأ الاستشعار أعلاه وطريقة فصل القوة، يمكننا تحقيق قياس القوة الموزعة.يوضح الشكل أدناه مستشعرًا لمسيًا يتكون من 24 وحدة استشعار على شكل مقطع عرضي لمفصل الركبة. من خلال معايرة معامل صلابة الطبقة المرنة مسبقًا وقياس إزاحة كل وحدة استشعار على طول اتجاهات x وy وz، يمكننا الحصول على القوة الموزعة في الوقت الفعلي.

يوضح الشكل أدناه توزيع القوة التي يقيسها المستشعر عند دوران مفصل الركبة. ومن بينها، يمثل اتجاه x الاتجاه الأيسر والأيمن، ويمثل اتجاه y الاتجاه الأمامي والخلفي، ويمثل اتجاه z الاتجاه الرأسي. عند مقارنة قراءات المستشعر مع القيم المقاسة لمستشعر ATI، فإن القوة المشتركة بينهما متسقة للغاية.

علاوة على ذلك، بناءً على النموذج المادي للمستشعر، يمكن استخلاص تعبيرات عن حساسيته ونطاقه.كما هو موضح في الشكل أدناه، الحساسية S على طول اتجاه z_ز يشير إلى درجة التغيير في استجابة المستشعر تحت تأثير إدخال الوحدة (أو ضغط الوحدة). كلما كان التغير في الاستجابة أكبر، كلما زادت الحساسية. ترتبط الحساسية في الاتجاهات x و y و z بسمك الطبقة المرنة، ومعامل يونغ للطبقة المرنة، وفترة المغناطيسية. وفي الوقت نفسه، يرتبط النطاق أيضًا بالمعلمات الثلاثة المذكورة أعلاه، ولكن الحساسية والنطاق يتأثران بهذه المعلمات بطرق معاكسة. ومن ثم، لا بد من إيجاد توازن بين الحساسية العالية والمدى الأطول اعتمادًا على الاحتياجات المحددة.

ولتحقيق هذه الغاية، قمنا بتصميم ثلاثة أجهزة استشعار مختلفة لسيناريوهات تطبيق مختلفة، ولكل منها معلمات مختلفة من حيث الحساسية والنطاق.كما هو موضح في الشكل أدناه، تم للتو توضيح تطبيق المستشعر الأول. التطبيقات الفعلية للمستشعرين المتبقيين هي كما يلي:

السيناريو التطبيقي الأول هو التدريس باستخدام الذراع الروبوتية القائمة على اللمس.كما هو موضح في الشكل أدناه، قمنا بتثبيت هيكل مصفوفة 3×3 من أجهزة الاستشعار في نهاية الذراع الروبوتية لمهام التدريس (مثل صنع القهوة). عندما تؤثر قوة خارجية على المستشعر، يمكن للمستشعر حساب القوة وعزم الدوران في اتجاهات x وy وz في الوقت الحقيقي. يمكن الحصول على أحدث موضع لذراع الروبوت عن طريق ضرب قراءة المستشعر بمصفوفة المكسب وإضافتها إلى الموضع الحالي لذراع الروبوت، وبالتالي إكمال عملية تعليم صنع القهوة.

السيناريو الثاني للتطبيق هو الاستشعار اللمسي لوسادة الركبة.كما هو موضح في الشكل أدناه، يستخدم المستشعر لوحة دارات مطبوعة مرنة ويتم تثبيته داخل وسادة الركبة لمراقبة قوة التلامس ثلاثية الأبعاد بين وسادة الركبة والجلد عندما يمشي الشخص. تظهر النتائج التجريبية وجود فروق واضحة في استجابات المستشعرات في ظل حالات الحركة المختلفة (مثل المشي والجلوس والجري). عندما تزداد قوة دعم دعامة الركبة، تزداد أيضًا قيمة القوة التي يقيسها المستشعر. يرجع ذلك إلى أن هناك حاجة إلى مزيد من القوة للتغلب على قوة الدعم التي توفرها دعامة الركبة عند ثني الساق.

البحث وتطبيق الدقة الفائقة اللمسية

الدقة الفائقة اللمسية هي طريقة لاستعادة المعلومات اللمسية بدقة عالية عن طريق تراكب واستيفاء الإشارات من وحدات استشعار متعددة أو بين وحدات استشعار متجاورة.عندما تتعرض وحدة الاستشعار لتشوه شامل تحت تأثير قوة خارجية، يمكننا تحقيق قياس القوة ثلاثي الأبعاد من خلال خوارزمية فصل القوة المذكورة أعلاه. ومع ذلك، عندما يتم تطبيق جسم بين وحدتي استشعار ويكون سطح الاستشعار مستمرًا، فإن كيفية حساب موضع وحجم القوة المطبقة بدقة هي قضية رئيسية. ولمعالجة هذه المشكلة، نقترح نموذجًا فائق الدقة. الهدف هو تقدير موقع وحجم قوة التلامس بدقة من خلال خوارزمية فائقة الدقة عندما يتم تطبيق قوة في أي مكان على المستشعر.

تطوير خوارزميات فائقة الدقة

تم اقتراح مفهوم خوارزمية الدقة الفائقة لأول مرة من قبل ناثان في عام 2015.وأشار إلى أنه عندما تتداخل مناطق الاستقبال (أي حقول الإدراك) لوحدات الاستشعار، فإن دقتها الفيزيائية تُعرف بأنها المسافة الدنيا التي يمكنها التمييز بوضوح بين نقطتين. يمكن تحسين هذا القرار بشكل أكبر من خلال خوارزميات الدقة الفائقة. يوضح الشكل أدناه بعض الدراسات التمثيلية للفترة 2015-2024.

في بحثنا لعام 2021، اقترحنا خوارزمية فائقة الدقة تجمع بين التحليل النوعي والكمي.كما هو موضح في الشكل أدناه، على مجموعة مستشعرات 3×3، عندما يتم الضغط على كرة صغيرة على سطحها، نقوم أولاً بتحديد الموضع الأولي للكرة (الموجود في وحدة الاستشعار رقم 5) بناءً على قيمة الاستجابة القصوى. يتم بعد ذلك استخدام إشارة التدفق المغناطيسي في اتجاهي x و y (إيجابي أو سلبي) لاستنتاج ما إذا كان يقع أعلى أو أسفل أو إلى اليسار أو إلى اليمين من وحدة الاستشعار، وبالتالي مضاعفة الدقة المكانية للمستشعر (مقارنة بالدقة الفيزيائية). نظرًا لأن هذه الطريقة عبارة عن تحليل نوعي، فيمكن استخدامها لأشياء ملامسة ذات أشكال مختلفة.

لتحسين دقة تحديد المواقع بشكل أكبر، نستخدم نموذج متعدد الطبقات (MLP) لإجراء تحليل الانحدار في اتجاهي x و y للحصول على موضع اتصال أكثر دقة. باستخدام موضع الاتصال، يمكننا دمجه مع قراءة التدفق المغناطيسي في اتجاه z لتحديد عمق الضغط من خلال جدول بحث معاير مسبقًا، ومن ثم استنتاج مقدار القوة. ومع ذلك، فإن هذه الطريقة تنطبق فقط على اتصال نقطة واحدة ولا يمكنها التعامل مع مواقف الاتصال متعددة النقاط.

لحل مشكلة الاتصال متعدد النقاط، نقترح طريقة تعتمد على النموذج الهندسي.كما هو موضح في الشكل أدناه، عندما يتم الضغط على جسم كروي على سطح المستشعر ويتحرك من الموضع 1 إلى الموضع 2، فإن المستشعر S₁ المجال المغناطيسي المقاس يعادل المجال المغناطيسي في الوضع الأفقي X₁ انتقل إلى X₂ . من خلال تحليل R_ب يمكن الحصول على العلاقة بين القيمة واتجاه x من R_ب يتم حساب موضع الاتصال x من المنحنى ويتم استنتاج القوة بشكل أكبر.

يظهر سير العمل المحدد في الشكل أدناه. يمكن لهذه الطريقة تحقيق زيادة في الدقة بمقدار 15 ضعفًا.

يوضح الشكل أدناه كيفية استخدام خوارزمية عالية الدقة تعتمد على نموذج هندسي لتحديد مواقع الاتصال وقياس القوة في الوقت الفعلي. لقد قمنا أيضًا باختبار أشياء ذات أشكال مختلفة، بما في ذلك الأشياء الكروية وغير الكروية (على افتراض أن الأشياء غير الكروية يمكن أن تكون معادلة للأشياء الكروية ذات القطر المعين).تستطيع هذه الطريقة اكتشاف نقاط اتصال متعددة في وقت واحد، وقد أدركت بشكل أولي تطبيق الدقة الفائقة اللمسية في المشاهد المعقدة. ومع ذلك، فإن القياس عالي الدقة لتوزيع القوة غير ممكن في الوقت الحالي ويظل يشكل تحديًا يتعين التغلب عليه في المستقبل.

التشخيص اللمسي للروبوت بناءً على التحسين البايزي

من خلال الجمع بين أجهزة الاستشعار اللمسية وخوارزميات التحسين البايزية، تمكنا من تحقيق جس روبوتي سريع (محاكاة جس الطبيب، أي الضغط على أجزاء مختلفة من الجسم لتشخيص الآفات).

تُظهر الصورة أدناه الإعداد التجريبي، حيث يتم استخدام كتلة صلبة مطبوعة ثلاثية الأبعاد لمحاكاة الورم، كما يحاكي السيليكون الذي يغطيها الأنسجة البشرية. تمثل المنطقة الزرقاء في الزاوية اليمنى السفلية الحقيقة الأساسية لتوزيع صلابة الكتلة الصلبة. لقد قمنا هنا بتصميم مستشعر اللمس على شكل هيكل على شكل قوس لتقليل الاحتكاك وتحسين الحساسية. الهدف التجريبي هو العثور على موقع الكتلة بأقل عدد من الضغطات وتحقيق تقسيم دقيق للكتلة.

من خلال خوارزمية التحسين البايزية، يستطيع المستشعر اللمسي العثور على الخطوط العريضة للكتلة الصلبة الأولى خلال 15 تكرارًا، والكتلة الصلبة الثانية خلال 20 مرة، وحدود الكتلة الصلبة الثالثة خلال 30 مرة.

بعد ذلك، نقوم بتجميع تقديرات توزيع الصلابة للعثور على مركز كتلة كل كتلة، ونحرك المستشعر في اتجاهات مختلفة من مركز الكتلة للعثور على نقاط حدود الكتلة في كل اتجاه (عن طريق الكشف عن B_س يتم بعد ذلك تركيب نقاط الحدود التي تم العثور عليها باستخدام الاستيفاء التكعيبي للخطوط المنحنية للحصول على نتيجة دقيقة لتقسيم الكتلة.

بالنسبة للأشكال المعقدة التي يكون مركز كتلتها خارج الجسم (مثل الكتل على شكل حرف C أو O)، تظهر التجارب أن هذه الطريقة يمكنها أيضًا العثور على حدودها بدقة.

التعرف على طريقة برايل وتصنيف المواد

يمكن أيضًا استخدام أجهزة الاستشعار اللمسية للتعرف على طريقة برايل.عندما ينزلق المستشعر فوق خط برايل، يتغير التدفق المغناطيسي في اتجاهات x وy وz بشكل مختلف اعتمادًا على نتوءات خط برايل. ولتحقيق هذه الغاية، قمنا بتدريب شبكة عصبية LSTM يكون مدخلها هو التغير في التدفق المغناطيسي للمستشعر ويكون مخرجها هو الحرف أو الرمز المقابل، مما يمكن أن يحقق معدل نجاح التعرف 97%.

بالإضافة إلى ذلك، يمكن أيضًا تحقيق تصنيف مواد القماش باستخدام نفس نظام الاستشعار وشبكة LSTM العصبية.وبضغط المستشعر على سطح القماش وتحريكه، وجدنا أن استجابة المستشعر على طول اتجاهات x وy وz تعكس خصائص صلابة القماش واحتكاكه وخشونته. وبناءً على هذه الخاصية، حققنا معدل نجاح التعرف على النسيج 99%.

الملخص والتوقعات

لقد قمنا بتصميم أجهزة استشعار لمسية شديدة الحساسية وقمنا بتطوير خوارزميات فصل القوة والدقة الفائقة، والتي قمنا بتطبيقها على السيناريوهات العملية مثل التشخيص اللمسي وتصنيف المواد.ومع ذلك، لا تزال هناك العديد من القضايا التي لم يتم حلها في هذا المجال، بما في ذلك تحسين وتوسيع محاكاة المستشعرات؛ تطوير خوارزميات عامة فائقة الدقة مناسبة لسيناريوهات الاتصال المعقدة؛ وتحقيق الإدراك اللمسي لكامل الجسم على غرار الجلد البشري.

وفي المستقبل، سنواصل استكشاف إمكانات أجهزة الاستشعار اللمسية وتعزيز تطبيقها على نطاق واسع في الروبوتات الذكية والتفاعل بين الإنسان والحاسوب.