Ludzie przyjmują zmysł dotyku za pewnik i jest to jeden z najważniejszych rodzajów informacji, jakie otrzymujemy w pewnych sytuacjach.
Nasz zmysł dotyku pozwala nam robić takie rzeczy, jak odczuwanie, jak chwytamy przedmiot, aby umożliwić nam łatwe podniesienie go bez zgniatania go. Za każdym razem, gdy podnosimy coś kruchego, np. jajko, wiemy dokładnie, jak mocno je ściskać, aby nie zmiażdżyć, tworząc ogromny bałagan. W przypadku robotów i sztucznej inteligencji, które nie mają podobnego zmysłu dotyku, robotowi trudno jest zebrać informacje o obiekcie, który próbuje obsłużyć.
Facebook AI pracuje nad nowym projektem o nazwie ReSkin, który ma dać urządzeniom AI dodatkowy wkład. Dziś sztuczna inteligencja może obejmować zmysły, w tym wzrok i dźwięk, ale zdobycie zmysłu dotyku jest czymś, co pozostało nieuchwytne. Jednym z powodów ograniczonych informacji dotykowych w systemach AI i robotach jest ograniczony dostęp do danych z czujników dotykowych.
Naukowcy pracujący ze sztuczną inteligencją chcą włączyć dane dotykowe do modeli AI, ale bardzo trudno jest zapewnić systemom AI taką samą zdolność wykrywania dotyku, jaką mają ludzie. Projekt Facebook AI ReSkin to otwarta „skórka” wykrywająca dotyk, stworzona we współpracy między badaczami Meta AI i naukowcami z Carnegie Mellon University. ReSkin pomaga naukowcom szybko i na dużą skalę rozwijać możliwości wykrywania dotyku w ich systemach AI dzięki zaawansowanemu uczeniu maszynowemu i wykrywaniu magnetycznemu.
System jest niedrogi, wszechstronny, trwały i wymienny, dzięki czemu idealnie nadaje się do długotrwałego użytkowania. ReSkin wykorzystuje samonadzorowany algorytm uczenia się do automatycznej kalibracji czujnika i uogólniania danych, aby można je było dzielić między różnymi czujnikami i systemami. Sztuczna inteligencja Facebooka wyda projekt, dokumentację, kod i modele podstawowe, aby umożliwić naukowcom na całym świecie korzystanie z ReSkin bez szkolenia z własnymi zestawami danych. Umożliwi to szybką integrację wykrywania dotykowego z różnymi systemami sztucznej inteligencji.
Ponadto uogólnione wykrywanie dotykowe pozwoli naukowcom zbierać dane, które mogą pomóc w rozwoju sztucznej inteligencji wykorzystywanej w szeregu zadań dotykowych. Będzie pomocny w klasyfikacji obiektów, propriocepcji i chwytaniu przez roboty. Po przeszkoleniu systemów sztucznej inteligencji w zakresie wykrywania dotykowego będą one zdolne do wykonywania nowych zadań, w tym do pracy w placówkach opieki zdrowotnej oraz do manipulowania małymi, miękkimi i wrażliwymi przedmiotami. Możliwość manipulowania szerszym zakresem przedmiotów może sprawić, że roboty będą lepiej nadawały się do pakowania zamówień w fabrykach lub bardzo wrażliwych produktów, w tym produktów.
ReSkin kosztuje mniej niż sześć dolarów w 100 partiach jednostkowych i jest jeszcze tańszy, gdy jest produkowany w większych ilościach. Sam czujnik ma grubość od 2 do 3 milimetrów i może przetrwać 50 000 interakcji. Gdy się zużyje, można go łatwo wymienić i oferuje wysoką rozdzielczość czasową do 400 herców wraz z rozdzielczością przestrzenną jednego milimetra z 90procentową dokładnością.
ReSkin zapewnia również naukowcom trójosiowe sygnały dotykowe o wysokiej częstotliwości, które pozwalają systemom dostosować się do szybkich zadań manipulacyjnych, takich jak rzucanie, przesuwanie, chwytanie i klaskanie. Sam czujnik wykorzystuje plastyczny elastomer z osadzonymi w nim cząsteczkami magnetycznymi. Elastomer odkształca się w dowolnym kierunku, co może zmienić sygnał magnetyczny podczas odkształcania. Zmiany sygnału magnetycznego można mierzyć za pomocą magnetometru, który tłumaczy takie informacje, jak położenie styku i wielkość przyłożonej siły. Naukowcy opracowali skórę, którą można uogólnić, aby wyeliminować potrzebę trenowania nowej skóry za każdym razem, gdy system jest wymieniany.
Jednak każdy czujnik przechodzi dokładną wstępną kalibrację w celu określenia jego indywidualnej odpowiedzi. Procedurę kalibracji można dostosować, aby tolerować zmieniające się w czasie właściwości miękkich materiałów. Naukowcy pokonali wyzwania ReSkin, eliminując potrzebę połączenia elektrycznego między miękkim materiałem a elektroniką pomiarową i polegając na bliskości sygnałów magnetycznych, tak że elektronika musiała być tylko blisko.
Zamiast polegać na danych z jednego czujnika, funkcja mapowania modelu wykorzystuje dane z wielu czujników. Umożliwiło to naukowcom trenowanie modelu na szerszej gamie danych, co zaowocowało bardziej uogólnionymi i bardziej efektywnymi danymi. Zamiast zbierania danych kalibracyjnych dla każdego nowego czujnika, samonadzorowany system uczenia jest używany do automatycznego dostrajania czujników do niewielkiej ilości nieoznaczonych danych. Według Facebook AI praca nad ReSkin jest częścią ich zaangażowania w rozwijanie rozpoznawania dotykowego w dziedzinie badań nad sztuczną inteligencją.