Maschinelles Lernen
Um die Signale zu interpretieren, haben die chinesischen Forscher eine Auswerte-Software entwickelt, der sie mithilfe von maschinellem Lernen beigebracht haben, Signale und Signalfolgen mit Formen und Strukturen in Verbindung zu bringen. Cheng und seine Kollegen bewerteten ihre taktile Sensortechnik, indem sie eine Reihe von Tests mit dem von ihnen erstellten Prototypsystem durchführten. Sie fanden heraus, dass ihre Technik die Textur und Steifigkeit mit hoher Genauigkeit erkannte.
"Sensoren auf den Spitzen der Roboterfinger müssen, um gute Ergebnisse zu zeitigen, exakte Kontakte zu den Objekten aufbauen, die sie erkennen sollen. Das ist in der Praxis nicht immer gewährleistet", sagt Cheng. Künftig könnte das System genutzt werden, um fortschrittlichere Roboter und Handprothesen zu entwickeln, die taktile Rückmeldungen sammeln, ohne dass ein perfekter Kontakt mit einer Oberfläche erforderlich ist, glauben die Forscher.
Schlupferkennungsfähigkeit
"Wir untersuchen jetzt die Schlupferkennungsfähigkeiten dieses Systems. Wenn Menschen Dinge manipulieren oder greifen, ist ein Abgleiten, und sei es auch noch so gering, fast unvermeidlich", so der Pekinger Wissenschaftler. Daher seien die Erkennung und auch die Kontrolle des Schlupfes entscheidend für eine zuverlässige Form- und Strukturerkennung. (pte)