Estudo de caso de P&D sobre o desenvolvimento do sistema de sensores OptiGap
- Este texto explora o processo de pesquisa e desenvolvimento do OptiGap, um novo sistema de sensores que é um elemento central da pesquisa de doutorado do autor
- Busca oferecer, em formato de narrativa, percepções sobre o processo de tomada de decisão e a evolução até a implementação final
- Pode oferecer uma oportunidade de vislumbrar o mundo às vezes oculto da pesquisa de doutorado e despertar o interesse de quem tem curiosidade sobre esse processo
- Se quiser saber mais sobre os detalhes técnicos, simulações e pesquisas anteriores sobre este tema, é possível consultar online a tese do autor
Função do sistema de sensores OptiGap
- Em termos bem gerais, esse sensor é basicamente como uma corda que, quando dobrada, consegue informar em que ponto ao longo do seu comprimento ela foi dobrada
- Isso é chamado de "localização de dobra" (
bend localization)
- As aplicações do OptiGap estão principalmente na área de robótica macia, envolvendo sistemas flexíveis (ou "maleáveis") em que o uso de sensores tradicionais muitas vezes não é prático
- O nome OptiGap é uma junção de "optical" e "gap", refletindo o princípio central de usar lacunas de ar dentro de guias de luz flexíveis para gerar padrões codificados essenciais para a localização de dobra
Início do sistema de sensores OptiGap
- A ideia do OptiGap surgiu enquanto o autor experimentava a transmissão de luz através de vários guias de luz (cabos ópticos) para usá-los como sensores de dobra
- No início, ele tentava descobrir uma forma de "desacelerar" a luz de maneira eficaz através de fibras ópticas
- Nesse processo, o autor prendeu um pedaço de filamento transparente de impressora 3D (TPU de 1,75 mm) a uma fita métrica para o experimento e, por acaso, descobriu que a transmissão de luz caía significativamente quando a fita métrica (e o filamento) era dobrada no ponto onde havia fita isolante colada
- Ele levantou a hipótese de que isso ocorria porque o resíduo pegajoso da fita isolante fazia o filamento se deformar, reduzindo a transmissão de luz
- Para verificar a hipótese, o autor prendeu um pedaço mais longo de TPU à fita métrica e começou a dobrá-lo em vários pontos para observar como a transmissão de luz mudava
Concretização do OptiGap
- O autor percebeu que, como era possível controlar o ponto em que a atenuação óptica ocorria, isso poderia ser usado para codificar informações sobre a posição de dobra do sensor
- Como usar fita isolante não era uma solução prática, ele começou a buscar um método mais confiável e consistente para criar essa atenuação
- Isso levou à ideia de cortar o filamento e colá-lo novamente usando uma luva de borracha flexível (silicone), deixando pequenas lacunas de ar
- O principal princípio de funcionamento da lacuna de ar é que, quando uma face do guia de luz é deslocada e/ou girada em relação à outra, muda a fração de luz transmitida através da lacuna
- Quanto maior o ângulo de dobra, mais luz escapa pela lacuna
- A mudança resultante na intensidade do sinal óptico pode ser associada a padrões conhecidos para uso como sensor
A grande ideia
- O autor testou essa ideia criando várias lacunas de ar em linha e dobrando o filamento para medir a atenuação
- A intensidade da luz diminui em cada lacuna de ar e cai de forma mais perceptível à medida que o ângulo de dobra aumenta
- Esse experimento inicial serviu como prova de conceito e demonstrou a viabilidade da ideia
- Isso levou à formulação da hipótese final do autor de que esses padrões de lacunas de ar poderiam ser usados para codificar informações sobre a dobra do sensor, e um classificador Naive Bayes poderia ser usado em um microcontrolador para decodificar a posição de dobra
- Esse conceito é semelhante ao funcionamento de um codificador linear
- O sistema OptiGap funciona como um codificador absoluto, codificando a posição absoluta com padrões de lacunas de ar sensíveis à dobra ao longo de guias de luz paralelos, atuando efetivamente como um único sensor de fibra óptica
Codificação da posição de dobra com código Gray reverso
- O código Gray reverso é um código binário em que dois valores consecutivos diferem em até (n-1) bits
- Para implementá-lo, foram feitos cortes no filamento em todos os pontos em que há "1" na sequência de código Gray reverso
- Essa abordagem pode ser expandida para qualquer número de bits
- No protótipo, foram usados 3 bits, oferecendo 8 posições possíveis
Visualização do sistema de sensores OptiGap
- A figura mostra o padrão de sinais do sistema de sensores OptiGap para cada posição de dobra usando 3 fibras ópticas
- Com um classificador Naive Bayes, o sistema consegue identificar a posição de dobra com base no padrão de sinais
- O terceiro gráfico representa dados reais do sensor obtidos no sistema protótipo, usados para treinar o classificador no microcontrolador
Protótipo do OptiGap
- O autor construiu um protótipo do sistema de sensores OptiGap usando 3 filamentos transparentes de TPU para impressora 3D, cada um com um padrão exclusivo de lacunas de ar
- Usando um acoplador comercial de fibra óptica 3:1, ele combinou os 3 feixes de luz em um único cabo de fibra óptica, concluindo o protótipo do sensor
- Isso marcou a etapa final de validação da hipótese e da teoria de funcionamento por trás do sensor OptiGap
Redução do tamanho físico
- O protótipo inicial se mostrou grande e volumoso por causa do tamanho do filamento de impressora 3D usado
- Com base em experiências anteriores, o autor reconheceu que a fibra óptica de PMMA (plástico) oferecia uma alternativa menor e mais flexível para essa aplicação
- Como resultado, ele avaliou fibras ópticas de PMMA sem revestimento de 500, 750 e 1000 mícrons da Industrial Fiber Optics, Inc. para os filamentos sensores, reduzindo significativamente o tamanho do sensor
- Foram realizados testes para avaliar a transmissão de luz e a flexibilidade dos 3 tipos de fibra óptica
- Entre elas, a fibra de 500 mícrons surgiu como a melhor escolha geral, embora as 3 tenham mostrado flexibilidade suficiente para essa aplicação
Redução da complexidade do transceptor óptico
- Para reduzir a complexidade do sistema e aumentar a modularidade, decidiu-se usar uma configuração simples de fotodiodo e LED IR em vez do complexo sensor ToF VL53L0X
- Isso permitiu ler os dados do sensor com um microcontrolador, representando uma melhoria significativa em relação ao protótipo inicial
- Em seguida, foi criado um sistema de demonstração do sensor com base em um microcontrolador STM32 e na configuração de fotodiodo/LED IR
Aprendizado de máquina em tempo real no microcontrolador
- A etapa final do desenvolvimento do sistema de sensores OptiGap envolveu integrar um classificador Naive Bayes ao microcontrolador STM32 para decodificar a posição de dobra a partir dos dados do sensor
- O classificador Naive Bayes foi escolhido por ser mais eficiente do que instruções
if ou tabelas de consulta, por conseguir lidar com dados novos ou nunca vistos antes e por ter potencial de melhorar a precisão ao considerar a relação entre várias variáveis de entrada
- A implementação do classificador Naive Bayes se mostrou relativamente simples
- Trata-se de um modelo probabilístico que aplica o teorema de Bayes para determinar como uma medição pode ser atribuída a uma determinada classe; neste contexto, a classe representa a posição de dobra
- Para implementar o classificador, foi utilizada a biblioteca Arm CMSIS-DSP
Ajuste dos dados do sensor
- A primeira etapa para integrar o classificador foi ajustar os dados do sensor a distribuições gaussianas para cada padrão de lacuna de ar
- Para acelerar esse processo, foi desenvolvida uma GUI em Python usando o GNB (Gaussian Naive Bayes) da biblioteca scikit-learn para rotular e ajustar rapidamente os dados
- Posteriormente, essa interface foi aprimorada de forma mais geral para permitir ajustes de dados mais complexos
- As probabilidades de cada classe foram calculadas e salvas em um header para uso no microcontrolador
Filtragem dos dados do sensor
- Para aumentar a precisão do classificador, foi implementado um processo de filtragem em duas etapas no STM32
- A etapa inicial incluía um filtro básico de média móvel, e na segunda etapa foi usado um filtro de Kalman
Demonstração do sistema de sensores OptiGap
- O GIF fornecido mostra várias etapas do sistema de sensores OptiGap, incluindo a montagem e a demonstração do funcionamento do sistema final
Especificações de projeto do OptiGap
- Propriedades e parâmetros principais
- Recomendações de materiais
Próximos passos
- Houve avanços significativos no sistema OptiGap além do que está registrado aqui
- Isso inclui trabalhos de integração a um sistema modular de acionamento e sensoriamento chamado EneGate
- Isso envolve design de PCB personalizada e integração de sistemas, descritos em detalhes na tese
- Também foi prototipada uma versão compacta em PCB do conjunto óptico para interface com a PCB do sistema EneGate
- O OptiGap também foi validado em um sistema real de robótica macia, e mais detalhes serão publicados em um artigo da RoboSoft intitulado " Sensores de guia de onda óptico embutidos para monitoramento de movimento dinâmico em estruturas de vigas torcidas "
Comercialização
- Há também um aspecto de comercialização em andamento nesta pesquisa
Opinião do GN⁺
- O sistema de sensores OptiGap parece ser uma tecnologia inovadora capaz de detectar posições de dobra que eram difíceis de captar com sensores existentes no campo da robótica macia. Diversos sistemas que exigem flexibilidade
1 comentários
Comentários do Hacker News
Aqui estão os pontos principais dos comentários do Hacker News, resumidos em um tom neutro e informativo:
A ideia geral de tornar materiais mais "autoconscientes" ou inspecionáveis é vista com apreço, como um conceito interessante e com cara de ficção científica.
A pesquisa anterior de um comentarista usou redes neurais de valores complexos para aprender a matriz de transmissão de uma fibra óptica, o que se relaciona com este trabalho, já que dobrar a fibra exige reaprender uma nova matriz. Pode ser possível aprender uma caracterização parametrizada da fibra para modelar sua forma.
A pesquisa parece minuciosa e bem documentada. A orientadora, Cindy Harnett, provavelmente está ciente da semelhança conceitual com a reflectometria no domínio do tempo.
Há dúvidas sobre como o sensor lida com múltiplas dobras. Parece que, com a configuração atual, múltiplas dobras resultariam na soma das atenuações logarítmicas, potencialmente exigindo tantas fibras quanto locais de dobra para desambiguar. É preciso esclarecer se isso foi pensado apenas para casos de dobra única.
Possíveis refinamentos podem tornar essa tecnologia produzível em massa com alta precisão. As aplicações incluem sensores de toque 2D ou 3D econômicos para robôs, propriocepção com sensibilidade direcional para tubos flexíveis e detecção de diferenças localizadas de temperatura.
A tecnologia parece semelhante à Nintendo Power Glove, que usava luz ao longo de um tubo para acionar pressionamentos de teclas com base na dobra dos dedos/mãos.
Ter uma orientadora incrível é destacado como a diferença entre uma experiência miserável e uma boa experiência.
Um comentarista tem interesse em usar esse sensor (ou vários sensores em conjunto) para detectar com precisão o swing de um taco de golfe em um launch monitor de golfe que não exija bater na bola.
Sugestões de melhoria incluem:
O trabalho fez outro comentarista lembrar de distributed acoustic sensing (DAS) usando cabos de fibra óptica para várias tarefas de monitoramento, embora ele não tenha visto isso ser usado em robótica macia antes.
O desafio de fabricação de exigir fibras log2 e codificações diferentes em cada junção é reconhecido, mas não é considerado um problema na fase de pesquisa/prova de conceito.