Американские инженеры создали эластичный датчик деформации, представляющий собой эластомер со встроенными оптическими волокнами. Благодаря изменению интенсивности выходящего из волокна света алгоритм машинного обучения способен определять тип деформации, например, изгиб и скручивание, а также ее величину. Такие датчики можно использовать при создании мягких роботов, отмечают авторы статьи, опубликованной в Science Robotics.

Поскольку многие роботы предназначены для непосредственного взаимодействия с человеком, особенно медицинские, многие инженеры в этой области создают мягких роботов. Хотя в мягкой робототехнике уже есть множество серьезных разработок, таких как полностью мягкий робот-осьминог, управляемый микрофлюидной логической схемой, пока в ней остается множество нерешенных технологических задач. Одна из них — создание датчиков, позволяющих мягкому роботу отслеживать внешние воздействие и свою текущую форму.

Группа инженеров из Корнеллского университета под руководством Роберта Шепарда (Robert Shepherd) разработала эластичный датчик деформации для мягких роботов. Для начала инженеры располагали оптические волокна таким образом, чтобы они формировали массив из равномерно расположенных концов. После этого вокруг них заливался силиконовый эластомер. Над этим слоем они создавали большой слой пористого силиконового эластомера, который в конце снова заливали непористым эластомером:

Этапы создания эластичного датчика / Ilse Van Meerbeek et al. / Science Robotics, 2018

Схема датчика / Ilse Van Meerbeek et al. / Science Robotics, 2018

На выходе из волокон установлена полупрозрачная светоделительная пластина, которая пропускает свет от источника излучения к эластомеру и от эластомера к камере. Принцип действия датчика основан на том, что при попадании света через оптоволокно к эластомеру часть света подвергается диффузному отражению от эластомера и возвращается к началу волокна. Поскольку в эластомере располагается целый массив волокон, измеряя изменение интенсивности отраженного света во всех них можно определить характер и величину деформации материала.

Компоненты датчика / Ilse Van Meerbeek et al. / Science Robotics, 2018

Поскольку отражение зависит от множества параметров, таких как пористость эластомера и его структуры, создать теоретическую модель для этого процесса достаточно сложно. Вместо этого разработчики применили алгоритм машинного обучения и научили его связывать изменения интенсивности света с деформацией. Для этого они изгибали и скручивали материал на разные углы и записывали интенсивность света из каждого оптоволокна. Изначально для обучения на этих данных разработчики опробовали несколько методов, однако после сравнения эффективности выбрали метод k-ближайших соседей из-за наименьшей ошибки.

После обучения алгоритма инженеры провели тесты, изгибая или скручивая материал на заданный угол, а затем сравнили эти значения с величинами, рассчитанными алгоритмом. Оказалось, что он способен корректно определять тип деформации в 100 процентах случаев, а средняя абсолютная ошибка определения угла деформации равна 0,06 градуса.

Разработчики отмечают, что в своей работе они сконцентрировались на создании алгоритма, способного определять деформацию эластомера по изменениям интенсивности света в оптических волокнах. При создании реального устройства объемную камеру и излучатель можно заменить на гораздо более компактные светодиоды и фотодиоды.