Robotik-Sensing ist ein Teilbereich der Robotik-Wissenschaft, der den Robotern die Möglichkeit gibt, Sensorik zu erzeugen, sodass Roboter menschlicher wirken. Robotersensorik gibt Robotern vor allem die Möglichkeit, zu sehen, zu berühren, zu hören und sich zu bewegen, und verwendet Algorithmen, die ein Feedback der Umgebung erfordern.

Vision
Methode
Das visuelle Erfassungssystem kann auf alles basieren, von der traditionellen Kamera, dem Sonar und dem Laser bis zur neuen Technologie Radio Frequency Identification (RFID), die Funksignale an ein Tag an einem Objekt sendet, das einen Identifikationscode zurücksendet. Alle vier Methoden zielen auf drei Verfahren ab: Empfindung, Schätzung und Übereinstimmung.

Bildverarbeitung
Die Bildqualität ist in Anwendungen wichtig, die ein hervorragendes Robotersicht erfordern. Auf Wavelet-Transformation basierender Algorithmus zum Verschmelzen von Bildern verschiedener Spektren und verschiedener Brennpunkte verbessert die Bildqualität. Roboter können genauere Informationen aus dem resultierenden verbesserten Bild erhalten.

Verwendungszweck
Visuelle Sensoren helfen Robotern, die Umgebung zu erkennen und geeignete Maßnahmen zu ergreifen. Roboter analysieren das vom visuellen Sensor importierte Bild der unmittelbaren Umgebung. Das Ergebnis wird mit dem idealen Zwischen- oder Endbild verglichen, so dass eine geeignete Bewegung zum Erreichen des Zwischen- oder Endziels bestimmt werden kann.

Berühren
Signalverarbeitung
Berührungssensorsignale können durch eigene Bewegungen des Roboters erzeugt werden. Es ist wichtig, nur die externen taktilen Signale für genaue Operationen zu identifizieren. Bisherige Lösungen verwendeten den Wiener-Filter, der sich auf das Vorwissen über Signalstatistiken stützt, von denen angenommen wird, dass sie stationär sind. Die neueste Lösung wendet einen adaptiven Filter auf die Logik des Roboters an. Dadurch kann der Roboter die resultierenden Sensorsignale seiner internen Bewegungen vorhersagen und diese falschen Signale aussortieren. Die neue Methode verbessert die Kontakterkennung und reduziert Fehlinterpretationen.

Verwendungszweck
Touch Patterns ermöglichen es Robotern, menschliche Emotionen in interaktiven Anwendungen zu interpretieren. Vier messbare Merkmale – Kraft, Kontaktzeit, Wiederholung und Änderung des Kontaktbereichs – können Berührungsmuster durch den zeitlichen Entscheidungsbaumklassifizierer effektiv kategorisieren, um die Zeitverzögerung zu berücksichtigen und sie mit bis zu 83% Genauigkeit menschlichen Emotionen zuzuordnen. Der Konsistenzindex wird am Ende angewendet, um den Vertrauensgrad des Systems zu bewerten, um inkonsistente Reaktionen zu verhindern.

Roboter verwenden Berührungssignale, um das Profil einer Oberfläche in einer feindlichen Umgebung wie einer Wasserleitung abzubilden. Traditionell wurde ein vorbestimmter Weg in den Roboter programmiert. Derzeit erfassen die Roboter mit der Integration von Berührungssensoren zunächst einen zufälligen Datenpunkt. Der Algorithmus des Roboters bestimmt dann die ideale Position der nächsten Messung gemäß einem Satz vordefinierter geometrischer Grundelemente. Dies verbessert den Wirkungsgrad um 42%.

In den letzten Jahren war die Verwendung von Berührung als Anregung für die Interaktion Gegenstand zahlreicher Studien. Im Jahr 2010 wurde der Robot Seal PARO gebaut, der auf viele Reize durch menschliche Interaktion, einschließlich Berührung, reagiert. Der therapeutische Nutzen einer solchen Mensch-Roboter-Interaktion wird noch untersucht, hat jedoch sehr positive Ergebnisse gezeigt.

Hören

Signalverarbeitung
Genaue Audiosensoren erfordern einen geringen internen Rauschbeitrag. Traditionell kombinieren Audiosensoren akustische Arrays und Mikrofone, um den internen Geräuschpegel zu reduzieren. Neuere Lösungen kombinieren auch piezoelektrische Geräte. Diese passiven Geräte verwenden den piezoelektrischen Effekt, um die Kraft in eine Spannung umzuwandeln, sodass die Vibration, die das interne Rauschen verursacht, beseitigt werden kann. Im Durchschnitt können interne Störungen bis zu etwa 7 dB verringert werden.

Roboter können Störgeräusche als Sprachanweisungen interpretieren. Das derzeitige Sprachaktivitätserkennungssystem (VAD-System) verwendet das CSCC-Verfahren (Complex Spectrum Circle Centroid) und einen Signalformer (SNR) mit maximalem Signal-Rausch-Verhältnis. Da Menschen normalerweise ihre Partner bei Gesprächen betrachten, ermöglicht das VAD-System mit zwei Mikrofonen, dass der Roboter die Unterrichtssprache lokalisiert, indem er die Signalstärken der beiden Mikrofone vergleicht. Das gegenwärtige System ist in der Lage, Hintergrundgeräusche zu überwinden, die von Fernsehgeräten und von Seiten klingenden Geräten erzeugt werden.

Verwendungszweck
Roboter können durch die Art, wie wir reden, Emotionen wahrnehmen. Akustische und sprachliche Merkmale werden im Allgemeinen zur Charakterisierung von Emotionen verwendet. Die Kombination von sieben akustischen Funktionen und vier sprachlichen Funktionen verbessert die Erkennungsleistung im Vergleich zu nur einem Satz von Funktionen.

Akustische Funktion
Dauer
Energie
Tonhöhe
Spektrum
Cepstral
Sprachqualität
Wavelets

Sprachmerkmal
Beutel mit Worten
Teil der Rede
Höhere Semantik
Varia

Bewegung

Verwendungszweck
Automatisierte Roboter benötigen ein Leitsystem, um den idealen Weg für ihre Aufgabe zu bestimmen. Im molekularen Maßstab fehlt Nanorobotern jedoch ein solches Leitsystem, da einzelne Moleküle keine komplexen Bewegungen und Programme speichern können. Daher ist der einzige Weg, um Bewegung in einer solchen Umgebung zu erreichen, die Ersetzung von Sensoren durch chemische Reaktionen. Derzeit kann eine Molekülspinne mit einem Streptavidin-Molekül als inertem Körper und drei katalytischen Beinen starten, folgen, sich drehen und stoppen, wenn sie auf verschiedene DNA-Origami-Elemente stoßen. Die DNA-basierten Nanoroboter können sich mit einer Geschwindigkeit von 3 nm / min über 100 nm bewegen.

Bei einer TSI-Operation, die ein wirksames Mittel zur Erkennung von Tumoren und möglicherweise von Krebs ist, indem der verteilte Druck an der Kontaktfläche des Sensors gemessen wird, kann eine übermäßige Kraft einen Schaden verursachen und die Gefahr haben, dass das Gewebe zerstört wird. Die Anwendung der Robotersteuerung zur Bestimmung der idealen Bewegungsbahn kann die maximalen Kräfte um 35% reduzieren und die Genauigkeit im Vergleich zu menschlichen Ärzten um 50% steigern.

Performance
Effiziente Robotererkundung spart Zeit und Ressourcen. Die Effizienz wird anhand von Optimalität und Wettbewerbsfähigkeit gemessen. Optimale Grenzerkundung ist nur möglich, wenn ein Roboter über einen quadratischen Erfassungsbereich verfügt, an der Grenze beginnt und die Manhattan-Metrik verwendet. Bei komplizierten Geometrien und Einstellungen ist ein quadratischer Erfassungsbereich effizienter und kann unabhängig von der Metrik und dem Startpunkt eine bessere Wettbewerbsfähigkeit erzielen.