Humanoid robotok érzékszervei
(2026 június)
A Bosch egyik vezetője feltette a kérdést, hogy az elmúlt 20 évben mely technológiai innovációk voltak a legnagyobb hatással a mindennapi életünkre? Az okostelefon győzött, amit a mesterséges intelligencia, a közösségi média, a térképes navigációs alkalmazások, illetve a csevegő- és videókonferencia-alkalmazások követnek.
De a Tesla, a kaliforniai üzemében, Fremontban a fő gyártósort átalakították, és nem okostelefonokat fognak gyártani az autók helyett, hanem Optimus humanoid robotok-at szerelnek össze. Évi 1 milliós kapacitás elérése a cél. Az Nvidianak több ezer milliárd dolláros piacot jelenthet a Tesla Optimus általános felhasználású, humanoid robotjainak gyártása, ami az első lehet, amely a gyártott darabszámnak köszönhetően képes lesz egy többmilliárd dolláros üzletágat eltartani. A Tesla 2027-re mindenki számára elérhetővé tenné humanoid robotjait. Viszont a robotok irányítása okostelefonokkal fog történni.
De a Tesla, a kaliforniai üzemében, Fremontban a fő gyártósort átalakították, és nem okostelefonokat fognak gyártani az autók helyett, hanem Optimus humanoid robotok-at szerelnek össze. Évi 1 milliós kapacitás elérése a cél. Az Nvidianak több ezer milliárd dolláros piacot jelenthet a Tesla Optimus általános felhasználású, humanoid robotjainak gyártása, ami az első lehet, amely a gyártott darabszámnak köszönhetően képes lesz egy többmilliárd dolláros üzletágat eltartani. A Tesla 2027-re mindenki számára elérhetővé tenné humanoid robotjait. Viszont a robotok irányítása okostelefonokkal fog történni.
Az Nvidia a Hyundaival is kiterjeszti együttműködését a mobilitás, a gyártás és a robotika terén. A dél-koreai autógyártó Hyundai nagyszabású tervei között szerepel, hogy humanoid robotok tömeggyártásába kezd Grúziában. A robotokat az emberekkel együttműködve, a gyártósorok mellett használnák. A legnagyobb teherbíró képességgel rendelkező AI-robotmodell 50 kilogramm súly cipelésére és áthelyezésére is képes. A humanoid robotok ipari szerepe azért jelentős, mert az ipari környezetet emberek számára tervezték, egy két karú, két lábú (vagy kerekes) humanoid robot ugyanazokkal az eszközökkel és ugyanazokon a munkaállomásokon képes dolgozni, és utánzással, kamerákkal tanítható.
Európában és Németországban számos tényező hátráltatja a humanoid robotok elterjedését. A humanoid robotok munkába állásának két fő oka lenne: a cégek termelékenység és a versenyképesség növekedése, és a demográfiai változás, az elöregedő társadalom, de a szabályozás, a szervezeti hagyományok hátráltatják a gyártást.
Érzékelők
A környezet érzékelői a robot környezetének feltérképezésére és a tárgyak észlelésére szolgálnak.
Látóérzékelők, a kamerák (2D, 3D vagy RGB-D infraszűrős típusok), amelyek képelemzéssel és mesterséges intelligenciával segítik a tárgyak felismerését.
Közelség- és távolságérzékelők: ultrahangos, infravörös (IR) vagy lézeres (LiDAR) szenzorok, amelyek mérik a robot és a környező akadályok távolságát.
Tapintás- és erőérzékelők: Érintőszenzorok a robotkarok ujjbegyeiben, valamint ütközéskapcsolók, amelyek jelzik a fizikai kontaktust vagy a szorítóerőt, részletesen ld. később.
Fényérzékelők: fotóellenállások és fényérzékelő cellák, amelyek a környezeti fény erősségét vagy a színeket mérik (például a vonalkövető robotoknál).
Hangérzékelők: mikrofonok a hangvezérléshez, beszédfelismeréshez vagy a környezeti zajok irányának meghatározásához.
Hőmérséklet- és környezeti érzékelők: hőmérők, páratartalom-mérők vagy gázszenzorok, amelyek veszélyes környezetben végzett munka során kritikusak.
Belső érzékelők a robot saját testének helyzetét, mozgását és belső állapotát figyelik.
Pozíció- és szöghelyzet-érzékelők:
Forgásérzékelők, amelyek a motorok tengelyének elfordulását és a robotízületek pontos szögét mérik.
Inerciális mérőegységek, giroszkópok és gyorsulásmérők kombinációi, amelyek a robot egyensúlyát, dőlésszögét és mozgási sebességét figyelik.
Hajlításérzékelők: flexibilis szenzorok, amelyek a robotkéz ujjainak vagy puha robottestek hajlási fokát jelzik.
Áram- és feszültségmérők: a motorok áramfelvételét figyelik, ami segít megelőzni a túlterhelést, vagy közvetetten jelzi a kifejtett mechanikai ellenállást.
Navigációs és helymeghatározó érzékelők a helyváltoztató (mobilis) robotok tájékozódását biztosítják.
Globális helymeghatározók: GPS / GNSS modulok a kültéri, pontos koordináták meghatározásához. Iránytűk és magnetométerek: Digitális iránytűk, amelyek a Föld mágneses mezejét érzékelve mutatják meg a robot haladási irányát.
A humanoid robotok tapintásérzékelői
Ahhoz, hogy a robotok biztonságosan és precízen működhessenek – legyen szó gyári vagy akár otthoni környezetről –, nagyon finom tapintási érzékelésre van szükségük, aminek az alapjai ohmos vagy kapacitív mikrokapcsolók rendszerei. Általában egy központi egységből állnak, amely az adatokat feldolgozza (integrált áramköri chip), és több, a környezettel kölcsönhatásba lépő komponensből, érzékelőből, kapcsolóból, amelyek a humanoid robotok ujjain helyezkednek el. Ezek az érzékelők teszik lehetővé a robot számára, hogy a fogás erősségét pontosan az adott tárgysúlyához, alakjához igazítsa. Az érzékelők piaca 2030-ra várhatóan meghaladja a 19,2 milliárd amerikai dollárt.
A humanoid robotok tapintásérzékelésének célja, hogy a robot valamely felületén hasonló információkat szerezzen, mint az emberi bőr: hol van az érintés helye, mekkora erővel, milyen irányban csúszik egy tárgy, sőt néha még a hőmérsékletét vagy az anyagát is érzékelni szükséges. A robot felületét sok száz vagy akár több tízezer apró érzékelő (taxel = tactile pixel) borítja. Minden érzékelő méri: az érintés helyét, az érintés erejét, a nyomóerőt, a nyomás időbeli változását.
Leggyakrabban kapacitív szenzorokat alkalmaznak, ami két vezető réteg közötti szigetelő réteg, nyomásra csökken a vezető rétegek távolsága, ezért megváltozik a kapacitás. Előnye az érzékenység, vékony és hajlítható.
Piezoelektromos szenzorok ellenállást mérnek, egyes kristályoknak nyomás hatására változik az ellenállása. Előnye, hogy egyszerű és
olcsó, sok robot ujjaiban használják. A piezoelektromos szenzorok változó erőkre érzékenyek, jól érzékelik az ütést, rezgést, koppintást.
Optikai tapintásérzékelő is létezik, a robot ujjának belsejében egy kamera figyel egy rugalmas szilikonréteget, és ha valami hozzáér, akkor deformálódik a gumi, amit a a kamera lát, és egy algoritmus kiszámítja az erőeloszlást. Ez ma az egyik legpontosabb érintés, tapintás érzékelés.
A korszerű robotkezek már felismerik az érintés helyét, a nyomóerőt, a csúszást, a nyíróerőt, a rezgést. Algoritmussal a tárgy alakját,
egyes rendszerek a hőmérsékletet is mérnek. Például meg tudják különböztetni egy tojás és egy acélgolyó érintéseit. A legmodernebb humanoidokon teljes "elektronikus bőr" található, ami rugalmas, nyújtható, több ezer érzékelőt tartalmaz és néhány milliméter vastag. Vannak robotok, amelyek érzékelik a nyomáson túlmenően a hőmérsékletet, páratartalmat, a deformációt. Mivel nem csak sok mindent mérnek, hanem egy humanoidon több tízezer érzékelő működik egyszerre, van egy vezérlő egység, amely beolvassa az összes szenzort, zajszűrést végez, elkészíti a "tapintási térképet", amit az AI elemez. Dönthet arról, hogy megfogható-e egy tárgy,
csúszik-e, mennyire kell megszorítani, mekkora a súlya.
A legjobb robotujjak 0,1–1 N közötti erőváltozásokat is érzékelnek, térbeli felbontásuk néhány milliméter, másodpercenként több száz vagy akár ezer mérést végeznek, ami még nem éri el az emberi ujjbegyek érzékenységét, de egyes speciális feladatokban már megközelíti azt. A fejlődés fő iránya az, hogy a robotok ne csak "érezzék", hogy megérintették őket, hanem felismerjék az anyagokat (például fém, fa vagy textil), érzékeljék a csúszást még azelőtt, hogy elejtenének egy tárgyat, és az emberi bőrhöz hasonlóan nagy felbontású, rugalmas elektronikus bőr, érzékelés legyen az egész felületükön.
Mozgásvezérlés csak videokamerák 2D-és képei alapján, humanoid robotok tanítására is alkalmas
Érdekesség: a mozgásvezérlés csak videokamerák képei alapján (Tesla). Teljes mértékben a "Tesla Vision" (tiszta látás) filozófiára épít. A külső távolságmérő szenzorok jelentős részét (radar, ultrahang) elhagyták, és mindent kamerákkal és mesterséges intelligenciával oldanak meg. :Külső érzékelői: 8 darab nagy felbontású (5 megapixeles) kamera helyezkedik el autó esetén, amelyek 360 fokos lefedettséget biztosítanak, ebből kettő előre tekint a szélvédő mögül, a többi pedig az oldalsó oszlopokban (B-oszlop), az első sárvédőkben és hátul található. A távolságmérést és az akadályok 3D-s letapogatását (amit más robotok LiDAR-ral vagy ultrahanggal végeznek) a kamerák képéből számítja ki az úgynevezett Occupancy Network (térkitöltési hálózat).
Hangérzékelők: mikrofonok találhatóak az utastérben a hangvezérléshez.
Hőmérséklet-érzékelők: külső hőmérő az időjárási viszonyok és a fagyveszély jelzésére.
Belső érzékelők
Inerciális mérőegységek, gyorsulásmérők és giroszkópok figyelik az autó dőlését, oldalirányú erőit (pl. kanyarodáskor vagy csúszáskor) és a menetstabilizálást.
Pozíció- és forgásérzékelők a kerekeknél és a villanymotorokban mérik a pontos fordulatszámot, a sebességet, és a tapadásvesztést (kipörgésgátlóhoz).
Belső , ami egy infravörös kamera, amely figyeli a sofőr szemét és fejét, hogy ellenőrizze, figyel-e az útra az Autopilot használata közben.
Áram- és feszültségmérők: folyamatosan monitorozzák az akkumulátorcellák állapotát, hőmérsékletét és a motorok áramfelvételét.
Navigációs érzékelők, globális helymeghatározó (GPS): alapvető a navigációhoz és az önvezető rendszer útvonaltervezéséhez.
Magnetométer: digitális iránytű a haladási irány pontosításához.
A Tesla a "Tesla Vision" rendszerben fizikai távolságmérők (radar, LiDAR, ultrahang) helyett kizárólag a kamerák 2D-s képeiből, mesterséges intelligencia segítségével számítja ki az objektumok pontos, 3D-s távolságát. A folyamat az emberi szem és agy működését másolja matematikai és szoftveres megoldásokkal.
Sztereó látás és többkamera-fúzió (a nevezetes Stereo Vision): bár az autókon különálló kamerák vannak, a látóterek átfedik egymást. A számítógép a különböző szögekből érkező képeket egyszerre elemzi. A tárgyak elhelyezkedésének apró eltérései alapján (parallaxishatás) a rendszer képes trigonometrikus úton mélységet és távolságot számítani.
Mozgásból származó mélység (Depth from Motion): amikor az autó mozgásban van, a környező tárgyak elmozdulnak a képernyőn. A közelebbi tárgyak gyorsabban "futnak el" a kamera előtt, míg a távolabbiak lassabban. A szoftver ezt a sebességkülönbséget folyamatosan méri, és ebből pontos távolsági adatokat generál.
Occupancy Network (Térkitöltési hálózat): a szoftver a kocsi körüli 3D-s teret apró, virtuális kockákra (úgynevezett voxelre) osztja fel, és minden egyes kockáról ezredmásodpercek alatt eldönti, hogy:
Üres-e a tér (szabadon járható?.
Foglalt-e (van ott valami?
Milyen messze van az a pont a kocsitól?
Ha közeledünk egy akadályhoz (például parkoláskor), a kockák méretét a szoftver dinamikusan kicsinyíti (esetleg 10 centiméteres pontosságúra), hogy pontosan kirajzolja a tárgy körvonalát és távolságát.
Vizuális memória (Temporal Fusion): mivel az autó orra előtt (a lökhárító közvetlen közelében) van egy holttér, ahová a szélvédő kamerái nem látnak le, a Tesla időbeli memóriát használ. Amikor az autó közeledik egy akadályhoz (pl. egy alacsony padkához), a rendszer megjegyzi, hogy az ott van, és a kocsi saját mozgása (sebessége és kerékfordulatai) alapján folyamatosan visszaszámlálja a távolságot, miközben ráhajt.
Betanított méretfelismerés (Object Ontology): A rendszert több millió valós vezetési videóból álló adatbázison tanították. Tudja, mekkora egy szabványos autó, egy közlekedési tábla vagy egy ember. Ha lát egy objektumot, a pixelekben mért méretéből azonnal kiszámítja, milyen messze kell lennie.