Sensor helpt robotarmen gevoelige, breekbare en glibberige objecten op te pakken

Een nieuwe sensor stelt robotarmen in staat gevoelige, breekbare en glibberige objecten op te pakken en te manipuleren. De sensoren meten de druk die de grijper van de robotarm uitoefent op het object en de distributie van deze druk.

Een nieuwe sensor stelt robotarmen in staat gevoelige, breekbare en glibberige objecten op te pakken en te manipuleren. De sensoren meten de druk die de grijper van de robotarm uitoefent op het object en de distributie van deze druk.

Indien wij als mens een gevoelig of glibberig object oppakken vertellen de zenuwen in onze vingers ons of wij dit object goed vast hebben. Indien we bijvoorbeeld voelen dat een object uit onze grip dreigt te ontsnappen, kunnen wij meer druk uitoefenen om het object steviger vast te pakken. Om robotarmen hetzelfde vermogen te geven moeten ook zij in staat zijn dergelijke feedback te verzamelen.

Elastische silicone huid met kralen

Een sensor ontwikkeld door onderzoekers van ETH Zurich biedt deze mogelijkheid. De sensor bestaat uit een elastische silicone ‘huid’, die aan de onderzijde is voorzien van gekleurde plastic kralen. Een camera registreert de wijze waarop deze kralen gemanipuleerd worden; indien de robotarm druk uitoefent verandert het patroon van de kralen. Aan de hand van deze veranderingen is het mogelijk de distributie van druk op het object te berekenen. De onderzoekers wijzen erop dat het ontwerp van hun sensor eenvoudig is en de productie van de sensor daardoor goedkoop is.

“Conventionele sensoren registreren toegepaste druk slechts op één enkel punt. Onze robothuid laat ons verschillende krachten op het gemeten oppervlak onderscheiden en met zowel een hoge resolutie als nauwkeurigheid berekenen”, aldus Carlo Sferrazza, als promovendus lid van een onderzoeksgroep die onder leiding staat van hoogleraar Dynamische Systemen en Besturingen bij ETH Zurich Raffaello D’Andrea. “We kunnen zelfs vaststellen uit welke richting druk afkomstig is.”

Machine learning

De onderzoekers maken gebruik van machine learning om de patronen in de kralen te herkennen. Door op een groot aantal locaties verschillende mate van druk uit te oefenen op objecten brachten de onderzoekers in beeld op welke wijze de kralen hierdoor gemanipuleerd worden.

De dunste sensor die de onderzoekers tot nu toe ontwikkelden is 1,7 centimeter dik en 5 bij 5 centimeter groot. Op termijn hopen de onderzoekers de dikte terug te dringen tot slechts 0,5 centimeter. Zij werken ook aan toepassingen waarbij zij dezelfde technologie inzetten om een groter oppervlak te meten. De onderzoekers monitoren hierbij de patroonveranderingen van de kralen met behulp van meerdere camera’s. Dit maakt het ook mogelijk objecten met complexe vormen te herkennen.

Auteur: Wouter Hoeffnagel