La detección robótica es una subárea de la ciencia robótica destinada a dar a los robots capacidades de detección , de modo que los robots se asemejen más a los humanos. La detección robótica principalmente les da a los robots la capacidad de ver, [1] [2] [3] tocar, [4] [5] [6] escuchar [7] y moverse [8] [9] [10] y usa algoritmos que requieren retroalimentación ambiental.
Visión
Método
El sistema de detección visual puede basarse en cualquier cosa, desde la cámara tradicional , el sonar y el láser hasta la nueva tecnología de identificación por radiofrecuencia (RFID), [1] 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 emparejamiento.
Procesamiento de imágenes
La calidad de la imagen es importante en aplicaciones que requieren una excelente visión robótica. El algoritmo basado en la transformada de ondículas para fusionar imágenes de diferentes espectros y diferentes focos mejora la calidad de la imagen. [2] Los robots pueden recopilar información más precisa a partir de la imagen mejorada resultante.
Uso
Los sensores visuales ayudan a los robots a identificar el entorno y tomar las medidas adecuadas. [3] Los robots analizan la imagen del entorno inmediato importada del sensor visual. El resultado se compara con la imagen ideal intermedia o final, de modo que se pueda determinar el movimiento apropiado para alcanzar la meta intermedia o final.
Tocar
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 empleaban el filtro de Wiener , que se basa en el conocimiento previo de las estadísticas de señales que se supone que son estacionarias. La solución reciente aplica un filtro adaptativo a la lógica del robot. [4] Permite al robot predecir las señales de sensor resultantes de sus movimientos internos, eliminando estas señales falsas. El nuevo método mejora la detección de contactos y reduce la interpretación falsa.
Uso
[12] 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 eficazmente los patrones táctiles a través del clasificador de árbol de decisión temporal para tener en cuenta el retraso de tiempo y asociarlos a las emociones humanas con hasta un 83% de precisión. [5] El índice de coherencia [5] 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 programaba una ruta predeterminada en el robot. Actualmente, con la integración de sensores táctiles , los robots primero adquieren un punto de datos aleatorio; el algoritmo [6] del robot determinará entonces la posición ideal de la siguiente medición de acuerdo con un conjunto de primitivas geométricas predefinidas. Esto mejora la eficiencia en un 42%. [5]
En los últimos años, el uso del tacto como estímulo para la interacción ha sido objeto de mucho estudio. En 2010, se construyó el sello robot PARO, que reacciona a muchos estímulos de la interacción humana, incluido el tacto. Los beneficios terapéuticos de dicha interacción humano-robot aún se están estudiando, pero han mostrado resultados muy positivos. [13]
Escuchando
Procesamiento de la señal
Los sensores de audio precisos requieren una baja contribución de ruido interno. Tradicionalmente, los sensores de audio combinan matrices acústicas y micrófonos para reducir el nivel de ruido interno. Las soluciones recientes combinan también dispositivos piezoeléctricos . [7] Estos dispositivos pasivos utilizan el efecto piezoeléctrico para transformar la fuerza en voltaje , de modo que se pueda eliminar la vibración que está causando el ruido interno. En promedio, se puede reducir el ruido interno hasta aproximadamente 7 dB . [7]
Los robots pueden interpretar el ruido perdido como instrucciones de voz. El sistema actual de detección de actividad de voz (VAD) utiliza el método de centroide de círculo de espectro complejo (CSCC) y un formador de haz de relación señal / ruido máxima (SNR) . [14] Debido a que los humanos generalmente miran a sus compañeros cuando llevan a cabo conversaciones, el sistema VAD con dos micrófonos permite al robot ubicar el discurso de instrucción comparando la intensidad de la 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 provienen de los lados.
Uso
Los robots pueden percibir emociones a través de nuestra forma de hablar. Las características acústicas y lingüísticas se utilizan generalmente para caracterizar las emociones. La combinación de siete características acústicas y cuatro características lingüísticas mejora el rendimiento del reconocimiento en comparación con el uso de un solo conjunto de características. [15]
Característica acústica
- Duración
- Energía
- Terreno de juego
- Espectro
- Cepstral
- Calidad de voz
- Wavelets
Característica lingüística
- Bolsa de palabras
- Parte del discurso
- Semántica 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 este sistema de guía porque las moléculas individuales no pueden almacenar movimientos y programas complejos. Por lo tanto, la única forma de lograr el movimiento en ese 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 puede comenzar, seguir, girar y detenerse cuando se encuentra con diferentes origami de ADN . [8] Los nano-robots basados en ADN pueden moverse a más de 100 nm con una velocidad de 3 nm / min. [8]
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 daño y tener la posibilidad de destruir el tejido. La aplicación de 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 [9] en comparación con los médicos humanos.
Actuación
La exploración robótica eficiente ahorra tiempo y recursos. La eficiencia se mide por la optimización 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 . [10] En configuraciones y geometrías complicadas, un área de detección de cuadrados es más eficiente y puede lograr una mejor competitividad independientemente de la métrica y del punto de partida. [10]
Ver también
- Sensores robóticos
- Clasificación basada en sensores
Referencias
- ↑ a b Roh SG, Choi HR (enero de 2009). " Sistema RFID basado en etiquetas 3-D para el reconocimiento de objetos ". Transacciones IEEE sobre ciencia e ingeniería de automatización 6 (1): 55–65.
- ↑ a b Arivazhagan S, Ganesan L, Kumar TGS (junio de 2009). " Un enfoque estadístico modificado para la fusión de imágenes mediante la transformación de ondas ". Procesamiento de imagen y video de señal 3 (2): 137-144.
- ^ a b Jafar FA, et al (marzo de 2011). " Un método de navegación basado en características visuales ambientales para robots móviles autónomos ". Revista Internacional de Computación, Información y Control Innovadores 7 (3): 1341-1355.
- ^ a b Anderson S, et al (diciembre de 2010). " Cancelación adaptativa de señales sensoriales autogeneradas en un robot batidor ". Transacciones IEEE sobre robótica 26 (6): 1065-1076.
- ^ a b c d Kim YM, et al (agosto de 2010). " Un robusto reconocimiento de patrones táctiles en línea para la interacción dinámica humano-robot ". Transacciones IEEE sobre productos electrónicos de consumo 56 (3): 1979-1987.
- ^ a b Mazzini F, et al (febrero de 2011). " Mapeo robótico táctil de superficies desconocidas, con aplicación a pozos de petróleo ". Transacciones IEEE sobre instrumentación y medición 60 (2): 420-429.
- ↑ a b c Matsumoto M, Hashimoto S (2010). "Reducción de ruido interno mediante un dispositivo piezoeléctrico en condiciones ciegas". Internatl (enero de 2011). " Búsqueda de los tipos de características más importantes que indican estados de usuario relacionados con las emociones en el habla ". Habla y lenguaje informático 25 (1): 4-28.
- ^ a b c Lund K, et al (mayo de 2010). " Robots moleculares guiados por paisajes prescriptivos ". Nature 465 (7295): 206-210.
- ↑ a b Trejos AL, et al (septiembre de 2009). " Detección táctil asistida por robot para la localización de tumores mínimamente invasivos ". Revista Internacional de Investigación en Robótica 28 (9): 1118-1133.
- ↑ a b c Czyzowicz J, Labourel A, Pelc A (enero de 2011). " Optimidad y competitividad de la exploración de polígonos mediante robots móviles ". Información y Computación 209 (1): 74-88.
- ^ Detección táctil robótica: tecnologías y sistema . Saltador. 2013. ISBN 9789400705784.
- ^ [1]
- ^ https://www.youtube.com/watch?v=oJq5PQZHU-I
- ^ Kim HD, et al (2009). " Detección y separación del habla de destino para la comunicación con robots humanoides en entornos domésticos ruidosos ". Robótica avanzada 23 (15): 2093-2111.
- ^ Batliner A, et al (enero de 2011). " Búsqueda de los tipos de características más importantes que indican estados de usuario relacionados con las emociones en el habla ". Habla y lenguaje informático 25 (1): 4-28.
enlaces externos
- Medios relacionados con la detección robótica en Wikimedia Commons