Τεχνολογία

Facebook: Αφή στα ρομπότ προσπαθεί να πετύχει το Meta!

Ρομπότ
Ρομπότ

Η αίσθηση αφής είναι ένα πρόβλημα που δεν έχει μπορέσει μέχρι στιγμής να λύσει η βιομηχανία της ρομποτικής. Αλλά το Facebook στοχεύει να λύσει αυτό το πρόβλημα με ένα λεπτό συνθετικό δέρμα για μηχανές, που ονομάζεται ReSkin και αναπαράγει το άγγιγμα σε ανθρώπινο επίπεδο στον φυσικό κόσμο. Η εταιρεία ασχολείται με προηγμένα ρομπότ που βασίζονται σε AI εδώ και κάποιο διάστημα. Πέρυσι, το Facebook χρησιμοποίησε έναν συμπαγή απτικό αισθητήρα, που έχει σχεδιαστεί για να τοποθετείται σε ρομποτικά χέρια με πολλά δάχτυλα. Η αίσθηση αφής είναι εξαιρετικά σημαντική, ώστε να μπορούν τα ρομποτικά μέρη να εκτελούν ενέργειες, με σχεδόν το ίδιο επίπεδο λεπτότητας και ακρίβειας με τα ανθρώπινα άκρα και έτσι να επιλυθεί το πρόβλημα του «αισθητηριακού ελλείμματος».


Οι φυσικοί υποδοχείς στο δέρμα επιτρέπουν στους ανθρώπους να αντιλαμβάνονται φυσικές ιδιότητες όπως η θερμοκρασία, η υφή, το βάρος, ακόμη και τη φυσική κατάσταση ενός αντικειμένου. Ενώ τα ρομποτικά μέρη μπορούν να οπλιστούν με οπτικοακουστική γνώση χρησιμοποιώντας ένα μοντέλο βασισμένο σε τεχνητή νοημοσύνη, η έλλειψη αίσθησης αφής είναι αυτό που τα εμποδίζει επί του παρόντος. Αυτές οι γνώσεις είναι ιδιαίτερης σημασίας για το Meta, καθώς η εταιρεία επιδιώκει να πάρει στοιχεία από αυτά, ενώ χτίζει το metaverse με εμπειρίες Επαυξημένης Πραγματικότητας (AR), Εικονικής Πραγματικότητας (VR) και Μικτής Πραγματικότητας (MR).


Στο σημείο αυτό η ReSkin προσπαθεί να καλύψει το κενό καινοτομίας, που παρατηρείται. Το τμήμα τεχνητής νοημοσύνης του Facebook της Meta — παλαιότερα γνωστό ως Facebook — δημιούργησε ένα φθηνό και ανθεκτικό συνθετικό δέρμα, που έχει πάχος μόλις 2-3 χιλιοστά και είναι αρκετά καλό για την εκτέλεση πάνω από 50.000 φυσικών αλληλεπιδράσεων. Το συνθετικό δέρμα είναι κατασκευασμένο από ένα παραμορφώσιμο ελαστομερές, που έχει ενσωματωθεί με μαγνητικά σωματίδια.


Τα μαγνητικά σήματα, που δημιουργούνται από αυτά τα σωματίδια, καταγράφονται και στη συνέχεια μετατρέπονται σε χρήσιμα δεδομένα, όπως το σημείο επαφής και η ποσότητα της δύναμης που εφαρμόζεται. Η εταιρεία ισχυρίζεται ότι το ReSkin μπορεί να ανιχνεύσει μια δύναμη τόσο μικρού μεγέθους, όσο είναι το 0,1 newton, σε αντικείμενα που είναι τόσο λεπτά όσο ένα χιλιοστό πλάτος. Μπορεί να είναι ιδιαίτερα χρήσιμο για οργανισμούς όπως η NASA, η οποία αυτή τη στιγμή δοκιμάζει ημιαυτόνομα ρομπότ, για να εκτελέσουν ένα ευρύ φάσμα εργασιών στο διάστημα.

meta
meta


Το ReSkin θα μπορούσε να κάνει τα ρομποτικά άκρα λιγότερο αδέξια


Ένα από τα μεγαλύτερα πλεονεκτήματα του ReSkin είναι η χαμηλή του τιμή. Το τμήμα Facebook AI της Meta ισχυρίζεται, ότι κοστίζει μόνο 6 $ για την παραγωγή 100 φύλλων ReSkin και ότι το κόστος μπορεί να μειωθεί περαιτέρω με τη μαζική παραγωγή. Μόλις φθαρεί ένα στρώμα, μπορεί να αφαιρεθεί εύκολα και να αντικατασταθεί με ένα νέο. Μπορεί επίσης να εφαρμοστεί σε ρομποτικούς βραχίονες, καθώς και σε ανθρώπινους βραχίονες κατά την εκτέλεση καθημερινών εργασιών, για τη συλλογή κρίσιμων δεδομένων για την εκπαίδευση μοντέλων τεχνητής νοημοσύνης.


Το ReSkin λέγεται ότι χρησιμεύει ως μια εξαιρετική εναλλακτική λύση στους σημερινούς αισθητήρες, που είναι σημαντικά πιο ακριβοί, συλλέγουν λιγότερες πληροφορίες αφής και δεν μπορούν να εφαρμοστούν σε όλα τα μηχανικά μέρη. Θα μπορούσε ενδεχομένως να έχει μεγάλη αξία για προϊόντα όπως το Tesla Bot, με την προϋπόθεση ότι το ρομπότ του Musk θα δει κάποια στιγμή το φως της δημοσιότητας.


Το Facebook AI υποστηρίζει ότι το ReSkin μπορεί να ενσωματωθεί σε άλλους αισθητήρες, που καταγράφουν οπτικά και ακουστικά σήματα για τη δημιουργία συνόλων δεδομένων πολλαπλών τρόπων. Για να δείξουν την αποτελεσματικότητα του ReSkin, οι ειδικοί το εφάρμοσαν σε ρομποτικούς βραχίονες, που χειρίζονταν μαλακά φρούτα όπως το σταφύλι, για να εξετάσουν την απτική του αίσθηση. Δημιουργήθηκε σε συνεργασία με το Πανεπιστήμιο Carnegie Mellon. Το προϊόν είναι ανοιχτού κώδικα και υποστηρίζεται από έναν αυτο-εποπτευόμενο αλγόριθμο εκμάθησης, για να διευκολύνει τη διαδικασία βαθμονόμησης.


Δεδομένα έρευνας, συμπεριλαμβανομένου του σχεδιασμού, της σχετικής τεκμηρίωσης, του κώδικα και των βασικών μοντέλων θα “ανοίξουν” προς τα έξω, για να ενθαρρύνουν περαιτέρω έρευνα και ανάπτυξη. Οι ερευνητές του Facebook ακολούθησαν παρόμοια προσέγγιση με το έργο Ego4D, που στοχεύει να διδάξει μοντέλα τεχνητής νοημοσύνης χρησιμοποιώντας βίντεο, που τραβήχτηκαν από την οπτική γωνία του πρώτου προσώπου.