Σε μια αποστολή για τη βελτίωση της ρομποτικής, οι ερευνητές έχουν αναπτύξει ένα γάντι γεμάτο αισθητήρες που μπορεί να μάθει τις υπογραφές του ανθρώπινου χεριού. Οι αισθητήρες θα λειτουργούν με ένα νευρικό δίκτυο για να εντοπίζουν τα αντικείμενα με την αφή.
Ο στόχος της ανάπτυξης , που προέρχεται από το Ινστιτούτο Τεχνολογίας της Μασαχουσέτης, είναι να εντοπίσει τα σήματα που μπορούν να βοηθήσουν ένα νευρικό δίκτυο να εντοπίσει τα αντικείμενα με την αφή. Στο μέλλον ελπίζεται ότι το σύστημα θα μπορούσε να βοηθήσει στη ρομποτική καθώς και στο σχεδιασμό προσθετικής, για να βοηθήσει με νέες δομές για τους ακρωτηριασμένους. Όπως συμβαίνει σήμερα, καθώς το ρομπότ παίρνει ένα αυγό ή ένα μπέιζμπολ είναι απίθανο να είναι σε θέση να κάνει διάκριση μεταξύ των δύο αντικειμένων.
Οι ερευνητές φορούσαν το ειδικά σχεδιασμένο γάντι για να αναπτύξουν τον αισθητήρα. Διάφοροι ερευνητές έχουν διερευνήσει το περιβάλλον και έχουν διαχειριστεί μια ποικιλία διαφορετικών αντικειμένων. Οι πληροφορίες που συλλέχθηκαν στη συνέχεια χρησιμοποιήθηκαν για να κατασκευάσουν ένα τεράστιο σύνολο δεδομένων. Ένα σύστημα τεχνητής νοημοσύνης έπειτα έμαθε να αναγνωρίζει τα ίδια αντικείμενα μόνο με την αφή.
Το ίδιο το γάντι δεν εμφανίζεται όλα αυτά αξιοσημείωτα, στην πρώτη ματιά. Παίρνει τη μορφή ενός χαμηλού κόστους πλεκτού γαντιού, το οποίο ονομάζεται “επεκτάσιμο αφής γάντι”. Ωστόσο, κατά την προσεκτικότερη επιθεώρηση, το γάντι μπορεί να φανεί ότι είναι εξοπλισμένο με περίπου 550 μικροσκοπικούς αισθητήρες. Οι αισθητήρες τοποθετούνται σε όλο το χέρι. Το γάντι ελασματοποιήθηκε με ένα ηλεκτρικά αγώγιμο πολυμερές, σχεδιασμένο να αλλάζει την αντίσταση στις διαφορετικά εφαρμοζόμενες πιέσεις.
Κάθε αισθητήρας σχεδιάστηκε για να συλλαμβάνει σήματα πίεσης καθώς οι ερευνητές έφεραν σε επαφή τα διάφορα αντικείμενα (και με διάφορους τρόπους). Τα αντικείμενα κυμαίνονταν από μια γόμα, σε μια μπάλα τένις. Το σήμα από κάθε αισθητήρα αποστέλλεται σε ένα νευρωνικό δίκτυο για να επεξεργαστεί τα σήματα έτσι ώστε το μηχάνημα να μπορεί να κατασκευάσει έναν απτό χάρτη και έπειτα να «μάθει» από τη συστοιχία πινακίδων σήματος πίεσης και να τα συνδέσει πίσω σε συγκεκριμένα αντικείμενα. Η έρευνα έχει δημοσιευθεί στο περιοδικό Nature .
