Sistem penginderaan taktil meniru kognisi taktil manusia
Ai

Sistem penginderaan taktil meniru kognisi taktil manusia


Sistem avatar taktil dilatih menggunakan keputusan taktil yang dibuat oleh mitra manusianya, yang mampu membuat keputusan taktil yang mirip dengan manusia. Kredit: Sains Lanjutan, doi: 10.1002 / advs.202002362

Avatar taktil adalah persepsi sentuhan buatan dan sistem kognisi yang digunakan sebagai pengganti kognisi taktil manusia dengan potensi untuk menghasilkan sensasi sentuhan halus atau lembut dan kasar oleh penggunanya. Dalam laporan baru sekarang diterbitkan pada Ilmu Lanjutan, peneliti menggunakan sensor taktil piezoelektrik untuk merekam berbagai informasi fisik termasuk tekanan, suhu, kekerasan, kecepatan geser dan topografi permukaan. Dalam karya ini, Kyungsoo Kim dan tim ilmuwan di bidang teknik informasi dan komunikasi, neurologi, otak, dan ilmu kognitif di Korea merekayasa kognisi taktil buatan dengan menguji perasaan sentuhan partisipan manusia ke berbagai materi mulai dari halus atau lembut hingga kasar. Untuk menjelaskan variasi respon di antara manusia, Kim et al. merancang struktur pembelajaran yang mendalam untuk personalisasi melalui pelatihan berdasarkan histogram kognisi sentuhan individual sambil merekam informasi sentuhan fisik. Kesalahan keputusan dari setiap sistem avatar kurang dari 2% untuk 42 jenis material yang berbeda, dimana data taktil dapat diukur dengan 100 percobaan untuk setiap material. Mesin avatar taktil mengkategorikan pengalaman material baru berdasarkan pengetahuan data pelatihan taktil untuk menunjukkan korelasi tinggi dengan pendekatan pengguna tertentu. Para ilmuwan bermaksud untuk mengusulkan metode canggih dengan kemampuan pertukaran emosi taktil untuk pengalaman digital tingkat lanjut dalam perangkat elektronik.

Taktilitas digital

Inovasi dalam perangkat listrik dan pemrosesan sinyal telah memajukan pengalaman digital berdasarkan panca indera manusia. Misalnya, virtual reality (VR) dapat memberikan sensasi yang tidak biasa dan pendengaran, sedangkan augmented reality (AR) dapat memberikan pengalaman yang lebih dipersonalisasi dengan gambar spasial 3-D dan suara stereo di seluruh disiplin ilmu hiburan dan pemasaran internet. Teknologi ini juga berkembang untuk bertukar emosi antara manusia dan mesin dengan perhatian besar ditempatkan pada teknologi berbasis sensor taktil. Dalam pekerjaan ini, sistem sentuhan buatan memberikan sensasi sentuhan ‘halus / lembut’ dan ‘kasar’ berdasarkan perasaan sentuhan pengguna untuk mengembangkan ‘avatar taktil’. Metode tersebut meniru perasaan taktil psikologis berdasarkan sistem sensor piezoelektrik dan proses pembelajaran yang mendalam. Sensor dan sistem pemrosesan mirip manusia menyediakan sistem kognisi taktil buatan yang memungkinkan para peneliti menguji kinerja perangkat untuk pengambilan keputusan taktil dan memahami kinerjanya dengan bahan taktil yang tidak terlatih atau baru.

Avatar Taktil: Sistem Penginderaan Raba Meniru Kognisi Taktil Manusia

Keputusan sentuhan manusia untuk 42 sampel sentuhan. a) Histogram rata-rata dari keputusan taktil dari 10 peserta; (a) ‐1 dan (a) ‐2 masing-masing adalah representasi grafis dalam 2D ​​dan 3D. b) Perbedaan keputusan taktil (mean RMSE), yaitu perbedaan antara keputusan rata-rata setiap mata pelajaran. Garis horizontal putus-putus, yang menunjukkan rata-rata keputusan taktil RMSE membagi kelompok S (bawah) dan D (atas). c) Nilai deviasi standar keputusan taktil untuk kelompok S (merah, n = 7) dan D (biru, n = 3). Titik dan bayangan masing-masing sesuai dengan mean dan varians grup. d) Contoh keputusan taktil dari empat peserta yang diidentifikasi dalam (b). Kredit: Sains Lanjutan, doi: 10.1002 / advs.202002362

Mendesain avatar taktil

Sistem sentuhan manusia itu rumit dan masih harus diklarifikasi secara mendetail. Untuk mewakili kognisi taktil manusia, Kim et al. melatih sistem menggunakan histogram keputusan taktil individu. Setup memperoleh sinyal baseline yang timbul dari proses menyentuh dan menggeser pada lapisan input paralel. Sensor taktil menghasilkan sinyal yang relatif terhadap kekerasan, suhu, dan fitur permukaan material seperti yang dibuat oleh manusia. Kemiringan dan frekuensi osilasi sinyal sentuh berisi informasi kekerasan dan topografi permukaan material. Tim juga membangun sistem pemrosesan keputusan dengan lapisan jaringan saraf gabungan untuk menekankan fitur spesifik untuk klasifikasi sampel. Mereka memproses dua jenis data tentang menyentuh dan menggeser secara terpisah di lapisan tersembunyi. Jaringan saraf menetapkan beberapa label ke bobot berbeda yang mencerminkan kognisi taktil manusia. Mereka mengharapkan penyiapan memiliki aplikasi di belanja online dan lingkungan AR / VR untuk sensasi sentuhan yang diinginkan. Prosesnya juga dapat dimasukkan ke dalam sistem kulit buatan yang menyerupai perasaan sentuhan manusia pada umumnya.

Avatar Taktil: Sistem Penginderaan Raba Meniru Kognisi Taktil Manusia

Informasi diperoleh dari menggosok dan menyentuh bahan. a, c) Gambar permukaan sampel No. 2 dan No. 38, masing-masing. b, d) Tegangan piezoelektrik diukur dengan menggosok sampel No. 2 dan No. 38, masing-masing. e) Tingkat kekerasan dari 42 sampel yang diukur dengan durometer komersial. f) Kemiringan piezoelektrik diplot menggunakan informasi yang diperoleh dengan menyentuh bahan keras atau lunak. g) Perbandingan kemiringan pertama tegangan piezoelektrik dan kekerasan yang diukur dengan durometer dengan peningkatan kekerasan material. Kredit: Sains Lanjutan, doi: 10.1002 / advs.202002362

Memahami sistem sentuhan manusia

Untuk merancang sistem taktil seperti manusia, Kim et al. menggunakan 42 materi yang diperingkat dari yang paling halus hingga yang paling lembut dan paling kasar, di antara 10 peserta. Sampel berbeda dalam struktur permukaan, ketebalan dan karakteristik lain yang dipilih dari perpustakaan besar bahan umum yang digunakan dalam pakaian. Para peserta memeringkat materi dari 1 hingga 42, di mana 1 adalah yang paling halus dan 42 yang paling kasar. Mereka rata-rata hasil tes dan memesan bahan taktil yang sesuai. Penilaian manusia tidak konsisten selama proses pemeringkatan dan oleh karena itu tim memperhitungkan keputusan taktil dan kebingungan taktil untuk menilai sensitivitas manusia selama proses penyortiran. Para peneliti membuat matriks keputusan berwarna untuk membandingkan perbedaan individu dalam pengambilan keputusan taktil secara detail dan memasukkan nilai root-mean-square-error (RMSE). Hasilnya menunjukkan bagaimana sistem taktil yang didukung individualitas yang unik akan dibutuhkan untuk meniru kognisi taktil manusia.

Sistem sensor buatan untuk pembelajaran mendalam dan diskriminasi taktil berbasis pembelajaran mendalam

Tim menggunakan sensor taktil multiarray yang terbuat dari bahan piezoelektrik untuk mengukur informasi permukaan. Mereka menerapkan algoritme pembelajaran mesin untuk menghasilkan perasaan sentuhan buatan di antara 42 bahan uji taktil. Kekerasan materi memberikan salah satu parameter fisik utama untuk menginformasikan proses pembelajaran mendalam tentang sensasi sentuhan dalam pembelajaran. Para ilmuwan menggunakan durometer untuk mengukur ini dan menentukan kekerasan berdasarkan sinyal piezoelektrik. Para peneliti merancang sistem keputusan taktil berdasarkan sinyal piezoelektrik, bergantung pada kombinasi lapisan jaringan saraf. Mereka merancang setiap jaringan paralel untuk mengekstrak fitur tertentu dan melakukan pemrosesan klasifikasi yang kompleks untuk meniru kognisi manusia untuk klasifikasi taktil berdasarkan reseptor taktil. Para peneliti mengadopsi label untuk melatih jaringan saraf dan mengklasifikasikan bahan taktil dengan sensor buatan. Selama proses pelatihan, tim mengoptimalkan jaringan untuk memilih sampel taktil yang benar dari semua sampel yang tidak terlatih.

Avatar Taktil: Sistem Penginderaan Raba Meniru Kognisi Taktil Manusia

Pembelajaran mendalam untuk pengambilan keputusan taktil. a) Histogram kognisi taktil manusia. b) Histogram taktil dari mesin yang dilatih menggunakan label. c) Lapisan keluaran dari jaringan berbasis histogram yang diusulkan untuk 42 bahan taktil dengan tekstur mulai dari halus / lunak (bawah) hingga kasar (atas). d) Akurasi klasifikasi menurut batas toleransi. Kredit: Sains Lanjutan, doi: 10.1002 / advs.202002362

Pembelajaran mesin yang dioptimalkan

Para ilmuwan kemudian mengusulkan pendekatan baru untuk melatih mesin untuk membuat keputusan taktil dengan menggunakan histogram keputusan taktil manusia. Untuk mencapai ini, mereka memetakan histogram keputusan taktil manusia ke node keluaran untuk melatih mesin, di mana histogram berisi informasi relatif terhadap keputusan taktil rata-rata dari manusia dan varian berbasis kebingungan keputusan. Alih-alih berfokus pada akurasi klasifikasi yang lebih tinggi, para peneliti berfokus pada meniru pengambilan keputusan taktil manusia dengan jaringan pembelajaran yang dalam. Kim dkk. mencatat rata-rata RMSE yang lebih besar (root-mean-square-error) untuk peserta manusia dibandingkan dengan keputusan taktil mesin. Gerakan menyentuh dan menggeser memungkinkan alat berat membandingkan permukaan material yang baru berpengalaman dengan beberapa bahan terlatih untuk mengklasifikasikan bahan taktil baru berdasarkan pengetahuan yang sudah ada sebelumnya. Kim dkk. membentuk sistem avatar taktil pada sistem neuromorfik untuk mengurangi waktu tunda komputasi dan meminimalkan ukuran mesin untuk melakukan realisasi.

Avatar Taktil: Sistem Penginderaan Raba Meniru Kognisi Taktil Manusia

Jaringan yang sepenuhnya terlatih dikembangkan untuk meniru keputusan taktil yang dibuat oleh manusia. a) manusiawi dan b) keputusan taktil buatan untuk empat peserta yang diwakili sebelumnya. Analisis kesamaan keputusan taktil antara mesin dan partisipan manusia, berdasarkan nilai c) mean dan d) kurtosis. Data untuk terlatih disajikan sebagai mean ± Standar deviasi.

Dengan cara ini, Kyungsoo Kim dan rekannya mengembangkan sistem avatar taktil dengan sensor taktil multiarray yang dibuat dari bahan piezoelektrik dan proses pembelajaran mendalam berdasarkan kognisi taktil manusia. Mereka mengharapkan penelitian di masa depan untuk meningkatkan kemampuan avatar taktil untuk memproses informasi taktil, yang akan memungkinkan mesin untuk menggantikan manusia di ruang virtual seperti pusat perbelanjaan online.


Teknologi kulit elektronik psikosensori untuk AI dan pengembangan humanoid di masa depan


Informasi lebih lanjut:
Kim K. dkk. Avatar Taktil: Sistem Penginderaan Raba Meniru Kognisi Taktil Manusia, Ilmu Lanjutan, doi.org/10.1002/advs.202002362

Chortos A. dkk. Mengejar kulit elektronik prostetik, Bahan Alam, doi.org/10.1038/nmat4671

Rich SI et al. Robotika lembut tanpa tali, Nature Electronics, doi.org/10.1038/s41928-018-0024-1

© 2021 Science X Network

Kutipan: Avatar taktil: Sistem penginderaan taktil yang meniru kognisi taktil manusia (2021, 17 Februari) diambil pada 17 Februari 2021 dari https://techxplore.com/news/2021-02-tactile-avatar-mimicking-human-cognition.html

Dokumen ini memiliki hak cipta. Selain dari transaksi yang adil untuk tujuan studi atau penelitian pribadi, tidak ada bagian yang boleh direproduksi tanpa izin tertulis. Konten disediakan untuk tujuan informasi saja.


Halaman Ini Di Persembahkan Oleh : Toto SGP