Het ontwikkelen van robotische handen die menselijke behendigheid benaderen, vereist een enorme hoeveelheid data van diverse sensoren die razendsnel worden verwerkt. Tot op heden vormde de fysieke infrastructuur hiervoor vaak een hindernis; ontwikkelaars moesten meestal kiezen tussen een beperkt aantal sensoren, een onbeheersbare hoeveelheid bedrading of een te lage bemonsteringssnelheid. Een team onder leiding van Jaehoon Kim heeft nu een oplossing gepresenteerd die deze beperkingen doorbreekt.
In een wetenschappelijke publicatie op arxiv.org beschrijven de auteurs een schaalbare analoge architectuur voor het uitlezen van sensoren. De innovatie draait om het gebruik van een serial-in parallel-out (SIPO) shift-register. Deze specifieke opzet zorgt ervoor dat diverse analoge sensoren geïntegreerd kunnen worden zonder dat de fysieke bekabeling complex wordt. Een cruciaal voordeel is dat het systeem kan worden uitgebreid met slechts drie signaallijnen tussen de modules, waardoor de hoeveelheid kabels niet exponentieel toeneemt bij het toevoegen van nieuwe sensoren.
De technische implementatie van dit systeem is gericht op een cambridge.org van prestaties, waarbij een configureerbare en snelle bemonstering centraal staat. Dit is essentieel voor robots die in real-time moeten reageren op hun omgeving. Om de theorie in de praktijk te toetsen, hebben de onderzoekers de methode toegepast op een robotische hand die via pezen wordt aangestuurd. Hierbij werden 16 modules voor de gewrichten en één tactiele module met vier kanalen geïntegreerd.
De resultaten tonen aan dat het systeem in staat is om 20 verschillende sensorkanalen uit te lezen met een scansnelheid van 1 kHz, waarbij stabiele werking zelfs tot 1,5 kHz werd vastgesteld. De precisie bleef hierbij gewaarborgd; de maximale slope absolute percentage error (APE) bedroeg 0,446%, wat betekent dat de schattingsfout minder dan één graad bedroeg. Volgens de heeft de nieuwe uitleesmethode dus geen negatieve invloed op de nauwkeurigheid van de sensoren.
Naast de gewrichtssensoren is er uitgebreid gekeken naar de tactiele waarneming. Hiervoor zijn Long Short-Term Memory (LSTM) modellen ingezet, waarmee op een snelheid van 1 kHz in real-time de kracht kon worden geschat en contactpunten konden worden geclassificeerd. Experimenten wezen uit dat de feedback van de gewrichtssensoren aanzienlijk nauwkeuriger was dan schattingen die enkel op de motoren waren gebaseerd. Dit leidde in gesloten-lusexperimenten tot een betere tracking van de trajecten van de gewrichten en een superieure controle bij het vastpakken van objecten.
Het onderzoek is inmiddels geaccepteerd voor publicatie in de IEEE Robotics and Automation Letters. De auteurs concluderen dat deze architectuur een praktisch fundament biedt voor volledig gesensoriseerde robotische handen die geschikt zijn voor complexe manipulaties. Voor wie meer wil weten over de praktische toepassing van de shift-register multiplexing, verwijzen de onderzoekers naar de en bijbehorende video's.