Multi-Touch and Bending Sensing Using Electrical Impedance Tomography for Robotics
تقدم هذه الورقة إطار عمل مبتكرًا يجمع بين الشبكات العصبية العميقة واستراتيجية مرجعية تكيفية ديناميكية لتمكين التحديد القوي لتعدد اللمس والتقدير المستمر لزاوية الانحناء على جلود روبوتية مرنة تعتمد على التصوير المقطعي للمقاومة الكهربائية (EIT)، مما يعمل بفعالية على فصل إشارات اللمس عن تغيرات المعاوقة الناتجة عن التشوه.
المؤلفون الأصليون:Haofeng Chen, Bedrich Himmel, Bin Li, Xiaojie Wang, Matej Hoffmann
لطالما كانت الروبوتات بارعة في الحركة، لكنها لا تزال عمياء إلى حد كبير عن العالم الذي تتحرك من خلاله. لعقود من الزمن، سعى المهندسون لمنح الآلات حاسة اللمس، بهدف رئيسي هو مساعدتها على الإمساك بالأشياء دون سحقها. وقد أدى ذلك إلى تطوير "الجلد الإلكتروني"، وهو عبارة عن طبقات رقيقة من المستشعرات التي يمكن لفها حول أصابع أو أيدي الروبوت. ومع ذلك، فقد ثبت أن تغطية جسم الروبوت بالكامل بهذه المستشعات أمر صعب؛ إذ تعتمد معظم التقنيات الحالية على شبكة كثيفة من الأسلاك والمكونات الفردية، والتي تصبح متشابكة وغير قابلة للإدارة عندما يحتاج السطح إلى التمدد أو الالتواء أو الانحناء. علاوة على ذلك، عندما ينثني ذراع الروبوت، تتشوه المستشعرات نفسها، مما يخلق إشارة مربكة تمزج بين شكل الذراع وبين الشعور باللمس. ولكي يتفاعل الروبوت حقاً مع البشر ويتنقل في البيئات المعقدة، فإنه يحتاج إلى جلد يمكنه الشعور بنقرة خفيفة وفي الوقت نفسه يعرف بدقة مقدار انحنائه، وكل ذلك دون فوضى من الأسلاك.
لقد طور فريق من الباحثين نهجاً جديداً لحل هذه المشكلة باستخدام تقنية تسمى التصوير المقطعي بالمقاومة الكهربائية. فبدلاً من وضع مئات المستشعرات الصغيرة والمنفصلة عبر سطح ما، قاموا بإنشاء طبقة مستمرة واحدة من مادة موصلة للكهرباء. ومن خلال توصيل عدد قليل من الأقطاب الكهربائية حول حافة هذه الطبقة وإرسال تيارات كهربائية عبرها، يمكن للنظام رسم خريطة للخصائص الداخلية للمادة. فعندما يضغط إصبع على السطح، فإنه يغير قدرة المادة على توصيل الكهرباء في تلك البقعة المحددة. وعندما ينثني السطح، يتغير نمط تدفق الكهرباء بأكمله بطريقة يمكن التنبؤ بها. لقد كان التحدي دائماً هو أن هذين الحدثين -اللمس والثني- يحدثان في وقت واحد ويبدوان متشابهين جداً بالنسبة للكمبيوتر الذي يقرأ الإشارات. وقد وجد الباحثون أنه بدون استراتيجية خاصة، لا يستطيع الروبوت التمييز بين ما إذا كان التغيير في الإشارة الكهربائية ناتجاً عن لمسة أم بسبب مجرد تحريك ذراعه.
وللتغلب على هذا الارتباك، بنى الفريق مستشعراً مرناً باستخدام هيدروجيل مغناطيسي، وهي مادة هلامية ناعمة تحتفظ بالماء وتوصل الكهرباء جيداً. وقد وضعوا هذه المادة بين طبقات من السيليكون ووضعوا ثمانية أقطاب فضية حول محيطها. تم تركيب هذا الإعداد على ذراع روبوتية يمكنها الانثناء والتعرض للمس يد بشرية. ويكمكن جوهر ابتكارهم من كيفية معالجة الكمبيوتر للبيانات؛ فقد صمموا نظاماً يعمل أولاً مثل مراقب حركة المرور، حيث يقرر فوراً ما إذا كان المستشعر يتعرض حالياً للمس، أو الانثناء، أو لا يفعل شيئاً. وإذا اكتشف النظام أن المستشعر ينثني، فإنه يقوم فوراً بتحديث "خريطته" الداخلية لما يبدو عليه المستشعر في ذلك الشكل الجديد. هذا التعديل الديناميكي يسمح للنظام بفصل الإشارة الناتجة عن الانثناء عن الإشارة الناتجة عن اللمس. وبدون هذه الخطوة، سيؤدي انثناء الذراع إلى تشويه صورة اللمس، مما يجعل من المستحيل معرفة مكان التلامس.
اختبر الباحثون هذا النظام بصرامة، وطلبوا منه القيام بمهمتين في آن واحد: تتبع زاوية الانثناء وتحديد مكان لمسات الأصابع على السطح. ووجدوا أن النظام يمكنه التنبؤ بزاوية الانثناء بدقة مذهلة، حيث يتتبع حركة ذراع الروبوت في الوقت الفعلي بهامش خطأ يقل عن درجة واحدة. والأهم من ذلك، عندما ضغطوا على المستشعر بزوايا مختلفة، نجح النظام في تحديد نقاط اللمس حتى عندما كان السطح منحنياً. وفي الاختبارات التي طبقوا فيها الضغط في عدة نقاط في وقت واحد، استطاع النظام التمييز بين لمستين أو ثلاث أو حتى أربع لمسات منفصلة. وعندما قارنوا طريقتهم الجديدة بالتقنيات القديمة التي تستخدم نقطة مرجعية ثابتة وغير متغيرة، كان الفرق صارخاً؛ إذ أنتجت الطريقة القديمة صوراً باهتة ومشوهة للمس تصبح عديمة الفائدة مع انثناء الروبوت، بينما حافظت الطريقة الجديدة على دقة وموقع اللمس.
تظهر النتائج أن هذا النهج يمكنه التعامل مع التفاعلات المعقدة في العالم الحقيقي. ففي عرض حي، تتبع النظام ذراعاً روبوتية أثناء انثنائها ولمس يد بشرية لها في نفس الوقت، حيث حدد بشكل صحيح زاوية الانثناء ومواقع أصابع متعددة. تمت العملية بأكملها، من استشعار التغيرات الكهربائية إلى عرض النتائج، بسرعة كافية لاعتبارها في الوقت الفعلي، رغم أن الباحثين أشاروا إلى أن السرعة يمكن تحسينها باستخدام أجهزة أسرع. تؤكد هذه الدراسة أنه من خلال الجمع بين استراتيجية برمجية ذكية ومادة مرنة بسيطة، من الممكن إنشاء جلد روبوتي لا يضطر للاختيار بين الشعور باللمس أو معرفة شكله الخاص. ويمهد هذا العمل الطريق لروبوتات يمكنها تغليف أجسامها بالكامل بطبقة واحدة مستمرة من الاستشعار، مما يسمح لها بالتفاعل مع العالم ومع الناس بطريقة أكثر طبيعية واستجابة.
ملخص تقني: الاستشعار باللمس المتعدد والانحناء باستخدام التصوير المقطعي بالمعاوقة الكهربائية للروبوتات
بيان المشكلة يوفر التصوير المقطعي بالمعاوقة الكهربائية (EIT) مساراً واعداً للاستشعار اللمسي الموزع في الروبوتات، مما يوفر تغطية كاملة للسطح مع حد أدنى من الأسلاك. ومع ذلك، يبرز تحدٍ كبير عندما يتعرض سطح المستشعر للانحناء أو التشوه؛ حيث يؤدي التشوه إلى تغيير توزيع المعاوقة المرجعية ويقترن مع تغيرات الموصلية الناتجة عن اللمس، مما يجعل من الصعب التمييز بين حدث اللمس وتغير شكل المستشعر. تعاني الحلول الحالية غالباً من صعوبة تحقيق تحديد دقيق لمواقع اللمس المتعدد وعالية الدقة وتخمين الانحناء بدقة في آن واحد، لا سيما تحت حالات التشوه الكبيرة. علاوة على ذلك، يُعد الـ EIT مشكلة عكسية سيئة التحديد (ill-posed)، حيث يمكن أن تؤدي التغيرات الطفيفة في القياسات إلى أخطاء كبيرة في إعادة البناء، وهي مشكلة تتفاقم بسبب التغيرات الديناميكية في الشكل.
المنهجية يقترح المؤلفون إطار عمل استشعاري مبتكر يدمج التعلم العميق مع استراتيجية مرجعية تكيفية ديناميكية لفصل إشارات اللمس عن إشارات التشوه. يعتمد النظام على نمذجة EIT القائمة على فرق الوقت، حيث يتم تقدير تغيرات الموصلية (Δσ) من تغيرات الجهد الحدودي (ΔV) بالنسبة إلى حالة مرجعية.
يعمل إطار العمل من خلال ثلاث مراحل:
تصنيف الحالة: تقوم شبكة عصبية عميقة (بنية مشفر-فك التشفير مع طبقات تلافيفية) بتصنيف حالة المستشعر الحالية إلى واحدة من ثلاث فئات: لمس، انحناء، أو لا إجراء. المدخل لهذه الشبكة هو تضمين موصلية مشتق من الفرق بين الجهد الحالي والجهد المرجعي.
إدارة المرجع الديناميكي: بناءً على التصنيف، يدير النظام الإشارات المرجعية بشكل تكيفي.
لـ تخمين الانحناء، يتم استخدام مرجع ثابت (تم الحصول عليه في الحالة غير المنحنية).
لـ تحديد موقع اللمس، يتم تحديث مرجع ديناميكي عند اكتشاف لمسة تحت حالة التشوه. تهدف هذه الاستراتيجية إلى طرح تغيرات المعاوقة الناتجة عن الانحناء، لعزل الإشارة الناتجة عن اللمس.
استخراج الإشارة:
زاوية الانحناء: يقوم نموذج انحدار خطي قائم على البيانات، مدرب على ميزات جهد مختارة، بربط إشارة EIT مباشرة بزوايا الانحناء المستمرة.
تخطيط اللمس: يستخدم النظام خوارزمية إعادة بناء "غاوس-نيوتن" ذات الخطوة الواحدة لاستعادة توزيع الموصلية. يتم تطبيق وحدة معالجة تلافيفية خفيفة الوزن لتحسين الدقة المكانية وكبح العيوب الناتجة.
عتاد المستشعر يستخدم التحقق التجريبي مستشعراً لمسياً مرناً مصنعاً خصيصاً يتكون من طبقة استشعار من مركب هيدروجيل مغناطيسي مغلفة بالسيليكون. تبلغ أبعاد المستشعر 160 مم × 70 مم × 12 مم، مع مساحة استشعار نشطة تبلغ 150 مم × 60 مم. تتوزع ثمانية أقطاب فضية بانتظام على الحدود. تتم معالجة الحصول على البيانات بواسطة شريحة قياس المعاوقة AD5940 التي تعمل بتردد إثارة قدره 40 كيلوهرتز، ويتم التحكم فيها بواسطة متحكم دقيق من نوع STM32.
المساهمات الرئيسية
إطار عمل متكامل: مستشعر EIT مرن واحد قادر على تحديد مواقع أحداث اللس المتعدد وتخمين زوايا الانحناء في آن واحد.
استراتيجية المرجع التكيفي الدينماكي: طريقة لتحديث مراجع إعادة البناء بناءً على حالة التشوه، مصممة خصيصاً لفصل إشارات اللمس والانحناء وتحسين دقة تحديد الموقع تحت التشوهات الكبيرة.
تصميم مستشعر واسع المساحة: تنفيذ مستشعر EIT قابل للتوافق مناسب للتكامل الروبوتي يحافظ على دقة مكانية عالية عبر مختلف تكوينات الانحناء.
عرض الأداء في الوقت الفعلي: التحقق من قدرة النظام على التعامل مع عمليات الانحناء المتتالية واللمس المتعدد في الوقت الفعلي.
النتائج التجريبية
تصنيف الحالة: حققت الشبكة العصبية العميقة دقة عالية في التمييز بين حالات اللمس، والانحناء، والخمول. وصلت دقة النموذج إلى أكثر من 97% لفئة الخمول و99% لفئة اللمس في مجموعة الاختبار.
تخمين الانحناء: أظهر نموذج الانحدار الخطي معامل تحديد مرتفع (R2=0.997) وجذر متوسط مربع الخطأ (RMSE) قدره 0.90 درجة، مما يؤكد التتبع الدقيق لزوايا الانحناء.
تحديد موقع اللمس:
في الظروف الساكنة، حقق النظام متوسط خطأ في تحديد الموقع قدره 4.8 ± 2.8 مم.
في ظروف الانحناء، تفوقت طريقة المرجع الديناميكي المقترحة بشكل كبير على طرق المرجع الثابت. بالنسبة للمسات النقطية الواحدة، حققت الطريقة الديناميكية مع المعالجة اللاحقة مؤشر تشابه بنيوي (SSIM) قدره 0.94، مقارنة بـ 0.29 للمرجع الثابت.
بالنسبة لسيناريوهات اللمس المتعدد (حتى أربع نقاط) عند انحناء 30 درجة، حققت الطريقة المقترحة متوسط SSIM قدره 0.80، مقارنة بـ 0.11 للمرجع الثاتي. تم قياس أخطاء تحديد الموقع للمس المتعدد عند 5.5 مم، 4.3 مم، و5.0 مم لتماسات متزامنة مكونة من نقطتين، وثلاث، وأربع نقاط على التوالي.
الأداء في الوقت الفعلي: عالج النظام الإطارات بمعدل 1.65 إطار في الثانية تقريباً (606.6 مللي ثانية لكل إطار)، حيث يعزى معظم التأخير إلى عملية الحصول على البيانات.
الأهمية والادعاءات يزعم البحث أنه يمهد الطريق لجلود روبوتية مرنة تعتمد على EIT قادرة على الاستشعار متعدد الأنماط الغني. ومن خلال معالجة اقتران الإشارة بين اللمس والتشوه، يتيح إطار العمل المقترح تحديد موقع اللمس بقوة حتى عندما يكون سطح المستشعر منحنياً بشكل كبير. ويؤكد المؤلفون أن هذا العمل يثبت جدوى استخدام مستشعر EIT واحد لكل من الاستشعار اللمسي لكامل الجسم وتخمين الشكل، وهو أمر بالغ الأهمية للروبوتات المفصلية والناعمة حيث قد لا تستطيع أجهزة التشفير (encoders) التقاط تكوين الجسم بالكامل. يُقدم النظام كإثبات مفهوم للتطبيقات الروبوتية التفاعلية، حيث يقدم حلاً يوازن بين الدقة المكانية، وقدرة اللمس المتعدد، وفصل الإشارات دون تعقيد الأسلاك الموجود في مصفوفات المستشعرات المنفصلة.
القيود والعمل المستقبلي يقر المؤلفون بالقيود الحالية، بما في ذلك زمن انتقال الحصول على البيانات، والاسترخاء اللزوجي المرن لمادة الهيدروجيل المغناطيسي، والحساسية غير المنتظمة (أعلى بالقرب من الأقطاب، وأقل في المركز). يُقترح للعمل المستقبلي استكشاف أجهزة الحصول على البيانات الأسرع، والمواد الموصلة المحسنة، وتخطيطات الأقطاب المثلى، وطرق إعادة البناء القائمة على البيانات القادرة على تقدير قوى التلامس والتعميم على التشوهات متعددة المحاور.