Detección robótica

La detección robótica es una subárea de la ciencia robótica destinada a brindar a los robots capacidades de detección, de modo que los robots sean más parecidos a los humanos. La detección robótica principalmente le da a los robots la capacidad de ver, tocar, oír y moverse y utiliza algoritmos que requieren retroalimentación ambiental.

Visión
Método
El sistema de detección visual puede basarse en cualquier cosa, desde la cámara, el sonar y el láser tradicionales hasta la nueva tecnología de identificación por radiofrecuencia (RFID), que transmite señales de radio a una etiqueta en un objeto que emite un código de identificación. Los cuatro métodos apuntan a tres procedimientos: sensación, estimación y comparación.

Procesamiento de imágenes
La calidad de imagen es importante en aplicaciones que requieren una excelente visión robótica. El algoritmo basado en la transformada wavelet para fusionar imágenes de diferentes espectros y diferentes focos mejora la calidad de la imagen. Los robots pueden recopilar información más precisa de la imagen mejorada resultante.

Uso
Los sensores visuales ayudan a los robots a identificar el entorno y tomar las medidas adecuadas. Los robots analizan la imagen del entorno inmediato importado desde el sensor visual. El resultado se compara con la imagen intermedia o final ideal, de modo que se puede determinar el movimiento apropiado para alcanzar la meta intermedia o final.

Toque
Procesamiento de la señal
Las señales sensoriales táctiles pueden ser generadas por los propios movimientos del robot. Es importante identificar solo las señales táctiles externas para operaciones precisas. Las soluciones anteriores emplearon el filtro Wiener, que se basa en el conocimiento previo de las estadísticas de señal que se supone que son estacionarias. La solución reciente aplica un filtro adaptativo a la lógica del robot. Le permite al robot predecir las señales del sensor resultantes de sus movimientos internos, al detectar estas señales falsas. El nuevo método mejora la detección de contactos y reduce la falsa interpretación.

Uso
Los patrones táctiles permiten a los robots interpretar las emociones humanas en aplicaciones interactivas. Cuatro características medibles (fuerza, tiempo de contacto, repetición y cambio de área de contacto) pueden categorizar efectivamente los patrones táctiles a través del clasificador del árbol de decisión temporal para dar cuenta del retraso y asociarlos a las emociones humanas con una precisión de hasta el 83%. El Índice de consistencia se aplica al final para evaluar el nivel de confianza del sistema para evitar reacciones inconsistentes.

Los robots utilizan señales táctiles para mapear el perfil de una superficie en un entorno hostil, como una tubería de agua. Tradicionalmente, se programó un camino predeterminado en el robot. Actualmente, con la integración de sensores táctiles, los robots primero adquieren un punto de datos aleatorio; el algoritmo del robot determinará la posición ideal de la siguiente medición según un conjunto de primitivas geométricas predefinidas. Esto mejora la eficiencia en un 42%.

En los últimos años, el uso del tacto como un estímulo para la interacción ha sido objeto de muchos estudios. En 2010, se construyó el sello robotizado PARO, que reacciona a muchos estímulos de la interacción humana, incluido el tacto. Los beneficios terapéuticos de esta interacción entre humanos y robots aún se están estudiando, pero han mostrado resultados muy positivos.

Audición

Procesamiento de la señal
Los sensores de audio precisos requieren una baja contribución de ruido interno. Tradicionalmente, los sensores de audio combinan arreglos acústicos y micrófonos para reducir el nivel de ruido interno. Las soluciones recientes combinan también dispositivos piezoeléctricos. Estos dispositivos pasivos utilizan el efecto piezoeléctrico para transformar la fuerza en voltaje, de modo que la vibración que está causando el ruido interno pueda eliminarse. En promedio, se puede reducir el ruido interno de hasta 7dB.

Los robots pueden interpretar el ruido extraviado como instrucciones de voz. El sistema de detección de actividad de voz actual (VAD) utiliza el método de centroide de círculo de espectro complejo (CSCC) y un conformador de haz de relación señal-ruido (SNR) máximo. Debido a que los humanos usualmente miran a sus compañeros cuando realizan conversaciones, el sistema VAD con dos micrófonos le permite al robot ubicar el discurso instructivo comparando las intensidades de señal de los dos micrófonos. El sistema actual es capaz de hacer frente al ruido de fondo generado por televisores y dispositivos de sonido que vienen de los lados.

Uso
Los robots pueden percibir emociones a través de la forma en que hablamos. Las características acústicas y lingüísticas se utilizan generalmente para caracterizar emociones. La combinación de siete características acústicas y cuatro características lingüísticas mejora el rendimiento de reconocimiento en comparación con el uso de un solo conjunto de características.

Característica acústica
Duración
Energía
Tono
Espectro
Cepstral
Calidad de voz
Wavelets

Característica lingüística
Bolsa de palabras
Parte del discurso
Semantica superior
Varia

Movimiento

Uso
Los robots automatizados requieren un sistema de guía para determinar el camino ideal para realizar su tarea. Sin embargo, en la escala molecular, los nano-robots carecen de tal sistema de guía porque las moléculas individuales no pueden almacenar movimientos y programas complejos. Por lo tanto, la única forma de lograr movimiento en dicho entorno es reemplazar los sensores con reacciones químicas. Actualmente, una araña molecular que tiene una molécula de estreptavidina como cuerpo inerte y tres patas catalíticas es capaz de comenzar, seguir, girar y detenerse cuando se encuentra con un origami de ADN diferente. Los nano-robots basados ​​en ADN pueden moverse a más de 100 nm con una velocidad de 3 nm / min.

En una operación de TSI, que es una forma efectiva de identificar tumores y potencialmente cáncer midiendo la presión distribuida en la superficie de contacto del sensor, la fuerza excesiva puede causar un daño y tener la posibilidad de destruir el tejido. La aplicación del control robótico para determinar la ruta ideal de operación puede reducir las fuerzas máximas en un 35% y obtener un aumento del 50% en la precisión en comparación con los médicos humanos.

Actuación
La exploración robótica eficiente ahorra tiempo y recursos. La eficiencia se mide por la optimalidad y la competitividad. La exploración de límites óptima solo es posible cuando un robot tiene un área de detección cuadrada, comienza en el límite y usa la métrica de Manhattan. En geometrías y configuraciones complicadas, un área de detección cuadrada es más eficiente y puede lograr una mejor competitividad independientemente de la métrica y del punto de partida.