Роботизированное зондирование - Википедия - Robotic sensing


Роботизированное зондирование является частью робототехника наука предназначена дать роботы зондирование возможности, так что роботы становятся более похожими на людей. Роботизированное зондирование в основном дает роботам способность видеть,[1][2][3] трогать,[4][5][6] слышать[7] и двигаться[8][9][10] и использует алгоритмы, требующие обратной связи с окружающей средой.

Зрение

Основные статьи: Компьютерное зрение и Машинное зрение

Метод

Система зрительного восприятия может быть основана на чем угодно, начиная с традиционного. камера, сонар, и лазер к новой технологии определение радиочастоты (RFID),[1] который передает радиосигналы метке на объекте, которая излучает идентификационный код. Все четыре метода нацелены на три процедуры - ощущение, оценку и сопоставление.

Обработка изображений

Качество изображения важен в приложениях, где требуется отличное зрение роботов. Алгоритм на основе вейвлет-преобразование для слияния изображений разных спектры и разные фокусы улучшает качество изображения.[2] Роботы могут собирать более точную информацию из полученного улучшенного изображения.

использование

Визуальные датчики помогают роботам распознавать окружающее и предпринимать соответствующие действия.[3] Роботы анализируют изображение ближайшего окружения, импортированное с визуального датчика. Результат сравнивается с идеальным промежуточным или конечным изображением, чтобы можно было определить соответствующее движение для достижения промежуточной или конечной цели.

Трогать

[11]

Обработка сигналов

Сенсорные сигналы касания могут генерироваться собственными движениями робота. Для точной работы важно идентифицировать только внешние тактильные сигналы. Предыдущие решения использовали Винеровский фильтр, который основан на предварительных знаниях статистики сигналов, которые считаются стационарными. Недавнее решение применяет адаптивный фильтр логике робота.[4] Это позволяет роботу прогнозировать результирующие сигналы датчиков его внутренних движений, отсеивая эти ложные сигналы. Новый метод улучшает обнаружение контактов и снижает количество ложных интерпретаций.

использование

[12]Сенсорные шаблоны позволяют роботам интерпретировать человеческие эмоции в интерактивных приложениях. Четыре измеримых признака -сила, время контакта, повторение и изменение площади контакта - могут эффективно классифицировать шаблоны прикосновений с помощью классификатора временного дерева решений для учета временной задержки и связывания их с человеческими эмоциями с точностью до 83%.[5] Индекс согласованности[5] применяется в конце для оценки уровня уверенности системы для предотвращения противоречивых реакций.

Роботы используют сенсорные сигналы для отображения профиль поверхности в агрессивной среде, например водопровода. Традиционно в роботе был запрограммирован заранее определенный путь. В настоящее время с интеграцией сенсорные датчики, роботы сначала получают случайную точку данных; алгоритм[6] робота затем определит идеальное положение для следующего измерения в соответствии с набором предварительно определенных геометрических примитивов. Это повышает эффективность на 42%.[5]

В последние годы использование прикосновений в качестве стимула для взаимодействия стало предметом многочисленных исследований. В 2010 году был построен робот-тюлень PARO, который реагирует на многие стимулы от взаимодействия человека, в том числе на прикосновения. Терапевтические преимущества таких взаимодействие человека и робота все еще изучается, но дало очень положительные результаты.[13]

Слух

Обработка сигналов

Для точных аудиодатчиков требуется низкий уровень внутреннего шума. Традиционно аудиодатчики сочетают акустические массивы и микрофоны для снижения уровня внутреннего шума. Последние решения сочетаются также пьезоэлектрический устройств.[7] Эти пассивные устройства используют пьезоэлектрический эффект преобразовать силу в Напряжение, таким образом вибрация который вызывает внутренний шум, можно устранить. В среднем внутренний шум примерно до 7дБ можно уменьшить.[7]

Роботы могут интерпретировать посторонний шум как речевые инструкции. Текущий обнаружение голосовой активности (VAD) система использует центр тяжести круга сложного спектра (CSCC) и максимальное отношение сигнал / шум (SNR) формирователь луча.[14] Поскольку люди обычно смотрят на своих партнеров во время разговора, система VAD с двумя микрофонами позволяет роботу определять местонахождение обучающей речи, сравнивая уровни сигнала двух микрофонов. Текущая система способна справиться с фоновым шумом, создаваемым телевизорами и звуковыми устройствами, которые исходят с боков.

использование

Роботы могут воспринимать эмоции через то, как мы говорим. Акустический и лингвистический особенности обычно используются для характеристики эмоций. Комбинация семи акустических функций и четырех лингвистических функций улучшает качество распознавания по сравнению с использованием только одного набора функций.[15]

Акустическая характеристика

Лингвистическая особенность

Движение

использование

Автоматизированным роботам требуется система наведения для определения идеального пути для выполнения своей задачи. Однако в молекулярном масштабе нанороботы у них нет такой системы наведения, потому что отдельные молекулы не могут хранить сложные движения и программы. Поэтому единственный способ добиться движения в такой среде - это заменить датчики химическими реакциями. В настоящее время молекулярный паук с одним стрептавидин молекула как инертное тело и три каталитический ноги могут начинать, следовать, поворачивать и останавливаться, когда сталкиваются с разными ДНК оригами.[8] Нанороботы на основе ДНК могут перемещаться на расстояние более 100 нм со скоростью 3 нм / мин.[8]

В TSI При операции, которая является эффективным способом выявления опухолей и потенциально рака путем измерения распределенного давления на контактирующей поверхности датчика, чрезмерное усилие может вызвать повреждение и привести к разрушению ткани. Применение роботизированного управления для определения идеального пути работы может снизить максимальные усилия на 35% и повысить точность на 50%.[9] по сравнению с человеческими врачами.

Спектакль

Эффективное роботизированное исследование экономит время и ресурсы. Эффективность измеряется оптимальность и конкурентоспособность. Оптимальное исследование границы возможно только в том случае, если робот имеет квадратную зону восприятия, начинает с границы и использует Манхэттенская метрика.[10] В сложных геометриях и условиях квадратная зона чувствительности более эффективна и может обеспечить лучшую конкурентоспособность независимо от метрики и отправной точки.[10]

Смотрите также

Рекомендации

  1. ^ а б Ро С.Г., Чой HR (январь 2009 г.). "Система RFID на основе 3-D тегов для распознавания объекта. "IEEE Transactions on Automation Science and Engineering 6 (1): 55–65.
  2. ^ а б Ариважаган С., Ганесан Л., Кумар ТГС (июнь 2009 г.). "Модифицированный статистический подход к объединению изображений с использованием вейвлет-преобразования. »Обработка изображения и видео сигнала 3 (2): 137-144.
  3. ^ а б Джафар Ф.А. и др. (Март 2011 г.). "Метод навигации на основе визуальных характеристик окружающей среды для автономных мобильных роботов. »Международный журнал инновационных вычислений, информации и управления 7 (3): 1341-1355.
  4. ^ а б Андерсон С. и др. (Декабрь 2010 г.). "Адаптивное подавление самогенерируемых сенсорных сигналов в роботе для взбивания. "IEEE Transactions on Robotics 26 (6): 1065-1076.
  5. ^ а б c d Ким Ю.М. и др. (Август 2010 г.) ".Надежное онлайн-распознавание образов касания для динамического взаимодействия человека и робота. "IEEE Transactions on Consumer Electronics 56 (3): 1979-1987.
  6. ^ а б Mazzini F и др. (Февраль 2011 г.). "Тактильное роботизированное картирование неизвестных поверхностей применительно к нефтяным скважинам. "IEEE Transactions on Instrumentation and Measurement 60 (2): 420-429.
  7. ^ а б c Мацумото М, Хашимото С (2010). «Снижение внутреннего шума с помощью пьезоэлектрического устройства в слепом режиме». Internatl (январь 2011 г.). "Поиск наиболее важных типов функций, сигнализирующих об эмоциональных состояниях пользователя в речи. »Компьютерная речь и язык 25 (1): 4-28.
  8. ^ а б c Лунд К. и др. (Май 2010 г.). "Молекулярные роботы, ориентирующиеся на предписывающий ландшафт. "Nature 465 (7295): 206-210.
  9. ^ а б Trejos AL и др. (Сентябрь 2009 г.). "Тактильное зондирование с помощью роботов для минимально инвазивной локализации опухоли. »Международный журнал исследований робототехники 28 (9): 1118-1133.
  10. ^ а б c Czyzowicz J, Labourel A, Pelc A (январь 2011 г.). "Оптимальность и конкурентоспособность исследования полигонов мобильными роботами. »Информация и вычисления 209 (1): 74-88.
  11. ^ Роботизированное тактильное зондирование: технологии и система. Springer. 2013. ISBN  9789400705784.
  12. ^ [1]
  13. ^ https://www.youtube.com/watch?v=oJq5PQZHU-I
  14. ^ Ким HD и др. (2009). "Обнаружение целевой речи и разделение для общения с роботами-гуманоидами в шумной домашней среде. »Advanced Robotics 23 (15): 2093-2111.
  15. ^ Батлинер А. и др. (Январь 2011 г.). "Поиск наиболее важных типов функций, сигнализирующих об эмоциональных состояниях пользователя в речи. »Компьютерная речь и язык 25 (1): 4-28.

внешняя ссылка