Opaska wykorzystująca ultradźwięki umożliwia precyzyjne naśladowanie ruchów robotycznej dłoni

Naukowcy otworzyli nowy rozdział w interakcji człowiek-robot, wykorzystując obrazowanie ultradźwiękowe do tłumaczenia wewnętrznych ruchów mięśni na komendy cyfrowe. Ten przełom zapewnia niespotykaną dotąd zręczność, pozwalając robotycznym dłoniom naśladować ludzkie gesty z subtelnością marionetki.

Dekodowanie „sznurków” ludzkiej zręczności

Ludzka dłoń to cud biologicznej inżynierii, wykorzystujący 34 mięśnie, 27 stawów oraz ponad 100 ścięgien i więzadeł do wykonywania złożonych ruchów. Przez lata inżynierowie zmagali się z odtworzeniem tej zręczności w robotach, ponieważ tradycyjne czujniki często nie są w stanie uchwycić skomplikowanej mechaniki wewnętrznej zachodzącej pod skórą.

Aby rozwiązać ten problem, zespół badawczy pod kierownictwem profesora inżynierii mechanicznej na MIT, Xuanhe Zhao, wraz ze współpracownikami z University of Southern California, opracował noszoną opaskę ultradźwiękową. Urządzenie wykorzystuje zminiaturyzowaną ultradźwiękową „naklejkę” – zmniejszoną wersję przetworników klasy medycznej – połączoną ze specjalistycznym hydrożelem zapewniającym przyczepność do skóry. Poprzez obrazowanie wewnętrznych struktur nadgarstka, urządzenie traktuje ścięgna i mięśnie jak sznurki marionetki, gdzie stan tych „sznurków” ujawnia dokładne położenie palców i dłoni.

Tłumaczenie ruchu w czasie rzeczywistym oparte na AI

Sercem tej technologii jest zaawansowana integracja z AI. System wykorzystuje algorytm sztucznej inteligencji, który został wytrenowany na ogromnym zbiorze danych obrazów ultradźwiękowych, skrupulatnie opisanych przez ludzi. Gdy użytkownik porusza dłonią, urządzenie ultradźwiękowe rejestruje w czasie rzeczywistym obrazy wewnętrznej anatomii nadgarstka, które AI natychmiast tłumaczy na precyzyjne współrzędne palców i dłoni.

W demonstracjach eksperymentalnych to bezprzewodowe sterowanie wykazało się niezwykłą skutecznością. Użytkownicy z powodzeniem wydawali robotycznym dłoniom polecenia wykonywania zadań o wysokiej precyzji, takich jak zagranie prostej melodii na pianinie czy wrzucenie miniaturowej piłki do kosza. Poza robotyką fizyczną, technologia ta rozciąga się na środowiska cyfrowe, pozwalając użytkownikom na manipulowanie wirtualnymi obiektami – np. poprzez gest „uszczypnięcia” w celu powiększenia obrazu na ekranie komputera – za pomocą naturalnych gestów dłoni.

Skalowanie dla chirurgii i robotyki humanoidalnej

Choć obecny sprzęt ma rozmiar zbliżony do smartfona, zespół badawczy koncentruje się na dalszej miniaturyzacji oraz zwiększaniu różnorodności zestawów treningowych AI. Poprzez włączenie szerszego zakresu rozmiarów dłoni, kształtów palców i złożonych gestów, badacze dążą do stworzenia uniwersalnego standardu śledzenia dłoni.

Implikacje dla szerszego krajobrazu AI i robotyki są ogromne. Jednym z najważniejszych celów jest stworzenie masowego, wysokiej jakości zbioru danych dotyczącego ruchów ludzkiej dłoni. Dane te mogłyby posłużyć do trenowania robotów humanoidalnych w wykonywaniu delikatnych, krytycznych zadań, takich jak operacje chirurgiczne wspomagane robotycznie, gdzie nawet milimetrowy błąd jest niedopuszczalny. W miarę jak zmierzamy ku przyszłości płynnej współpracy człowieka z maszyną, obrazowanie noszone może stać się głównym interfejsem do sterowania kolejną generacją zręcznych maszyn.

Kluczowe wnioski

• Przechwytywanie ruchu wewnętrznego: W przeciwieństwie do czujników powierzchniowych, obrazowanie ultradźwiękowe śledzi rzeczywisty ruch ścięgien i mięśni, zapewniając lepszą zręczność.
• Tłumaczenie przez AI: Zaawansowany algorytm przekształca obrazy ultradźwiękowe w czasie rzeczywistym w precyzyjne komendy cyfrowe zarówno dla sprzętu robotycznego, jak i interfejsów wirtualnych.
• Zastosowania o krytycznym znaczeniu: Technologia ta toruje drogę do trenowania robotów humanoidalnych w delikatnych zadaniach, w tym w precyzyjnej chirurgii i złożonej pracy manualnej.