‎Un dito “intelligente” che simula la percezione tattile umana riconosce materiali comuni‎

 

Sviluppato da ricercatori cinesi, è in grado di riconoscere la rugosità dei materiali e, grazie all’intelligenza artificiale, d classificarli. Potrà essere usato anche nelle protesi.

 

 

‎Un dito “intelligente” che simula la percezione tattile umana può riconoscere materiali comuni come acrilico, vetro, silicio e legno con una precisione del 96,8%, secondo un nuovo studio pubblicato oggi su Science Advances.

Xuecheng Qu e colleghi del CAS Center for Excellence in Nanoscience di Pechino sostengono che questa tecnologia  potrebbe essere utilizzata per aiutare i robot a verificare se i prodotti soddisfano gli standard di produzione o per aiutare le persone con disabilità fisiche che si affidano alle protesi a percepire l’ambiente circostante.

Il dito intelligente, che è facile da fabbricare e in grado di toccare senza danneggiare i materiali, raggiunge le sue capacità di percezione tattile utilizzando una matrice di sensori che rileva le differenze nella capacità dei materiali di guadagnare e perdere elettroni.

Mentre diverse tecniche di rilevamento artificiali sono riuscite a misurare con precisione gli stimoli fisici, determinare i parametri della percezione tattile – in modo tale che i dispositivi robotici possano identificare il tipo di materiale e la rugosità – è una sfida aperta.

Per aiutare a superare questa sfida, Qu ha sviluppato un sistema di dita intelligenti con un modulo di acquisizione e trasmissione dati e uno schermo a diodi organici a emissione di luce (OLED) come modulo di visualizzazione.

I sensori contengono ciascuno uno strato costituito da materiali che generano corrente elettrica se strofinati tra loro, tra cui poliammide (PA66), polietilene tereftalato (PET), polistirene (PS) e politetrafluoroetilene (PTFE).

I ricercatori hanno verificato che il dito intelligente può dedurre il tipo di materiale di prova in base alle corrente generata in questi sensori.

Inoltre, hanno testato il dito intelligente con quattro diversi campioni di alluminio per determinare la rugosità di ciascun materiale.

Infine, hanno scoperto che l’integrazione dell’apprendimento automatico con la raccolta dei dati da tutti e quattro i sensori ha permesso al dispositivo di classificare i tipi di materiale con una precisione fino al 96,8%.

Al contrario, l’accuratezza della classificazione dell’apprendimento automatico era solo del 52,7% quando i dati provenivano da un solo sensore.‎