Forskere bygger edderkoppeinspirerede sensorer ind i skallerne på autonome droner og biler, så de bedre kan opdage objekter. Kredit:Taylor Callery
Hvad nu hvis droner og selvkørende biler havde den prikkende "spidey sans" af Spider-Man?
De kan faktisk opdage og undgå genstande bedre, siger Andres Arrieta, en assisterende professor i maskinteknik ved Purdue University, fordi de ville behandle sensorisk information hurtigere.
Bedre sansningsevner ville gøre det muligt for droner at navigere i farlige miljøer og for biler at forhindre ulykker forårsaget af menneskelige fejl. Den nuværende avancerede sensorteknologi behandler ikke data hurtigt nok – men det gør naturen.
Og forskere behøvede ikke at skabe en radioaktiv edderkop for at give autonome maskiner superhelte-sansningsevner.
I stedet, Purdue -forskere har bygget sensorer inspireret af edderkopper, flagermus, fugle og andre dyr, hvis egentlige spidey sanser er nerveender knyttet til specielle neuroner kaldet mekanoreceptorer.
Nerveenderne - mekanosensorer - registrerer og behandler kun information, der er afgørende for et dyrs overlevelse. De kommer i form af hår, cilia eller fjer.
"Der er allerede en eksplosion af data, som intelligente systemer kan indsamle - og denne hastighed stiger hurtigere, end hvad konventionel computing ville kunne behandle, " sagde Arrieta, hvis laboratorium anvender naturprincipper til design af strukturer, lige fra robotter til flyvinger.
"Naturen behøver ikke at indsamle alle stykker data; den filtrerer ud, hvad den har brug for, " han sagde.
Mange biologiske mekanosensorer filtrerer data - den information, de modtager fra et miljø - i henhold til en tærskel, såsom ændringer i tryk eller temperatur.
I naturen, 'spidey-senses' aktiveres af en kraft forbundet med et objekt, der nærmer sig. Forskere giver autonome maskiner den samme evne gennem sensorer, der ændrer form, når de bliver bedt om af et forudbestemt kraftniveau. Kredit:ETH Zürich billeder/Hortense Le Ferrand
En edderkops behårede mekanosensorer, for eksempel, er placeret på dens ben. Når et edderkoppes spind vibrerer med en frekvens, der er forbundet med bytte eller en mage, mekanosensorerne registrerer det, genererer en refleks i edderkoppen, der så reagerer meget hurtigt. Mekanosensorerne ville ikke detektere en lavere frekvens, såsom støv på nettet, fordi det er uvæsentligt for edderkoppens overlevelse.
Ideen ville være at integrere lignende sensorer direkte i skallen på en autonom maskine, såsom en flyvinge eller kroppen af en bil. Forskerne demonstrerede i et papir offentliggjort i ACS Nano at konstruerede mekanosensorer inspireret af hår fra edderkopper kunne tilpasses til at detektere forudbestemte kræfter. I det virkelige liv, disse kræfter vil være forbundet med et bestemt objekt, som en autonom maskine skal undgå.
Men de sensorer, de udviklede, registrerer og filtrerer ikke bare med en meget hurtig hastighed – de beregner også, og uden behov for strømforsyning.
"Der er ingen forskel mellem hardware og software i naturen; det hele er sammenkoblet, "Sagde Arrieta." En sensor er beregnet til at fortolke data, samt indsamle og filtrere det. "
I naturen, når et bestemt kraftniveau aktiverer mekanoreceptorerne forbundet med den behårede mekanosensor, disse mekanoreceptorer beregner information ved at skifte fra en tilstand til en anden.
Purdue forskere, i samarbejde med Nanyang Technology University i Singapore og ETH Zürich, designet deres sensorer til at gøre det samme, og at bruge disse tænd/sluk-tilstande til at fortolke signaler. En intelligent maskine ville derefter reagere i henhold til, hvad disse sensorer beregner.
Disse kunstige mekanosensorer er i stand til at registrere, filtrering og databehandling meget hurtigt, fordi de er stive, Sagde Arrieta. Sensormaterialet er designet til hurtigt at ændre form, når det aktiveres af en ekstern kraft. Ændring af form får ledende partikler i materialet til at bevæge sig tættere på hinanden, som så tillader elektricitet at strømme gennem sensoren og bære et signal. Dette signal informerer om, hvordan det autonome system skal reagere.
"Ved hjælp af maskinlæringsalgoritmer, vi kunne træne disse sensorer til at fungere autonomt med minimalt energiforbrug, " sagde Arrieta. "Der er heller ingen barrierer for at fremstille disse sensorer i en række forskellige størrelser."