Studi kasus R&D tentang pengembangan sistem sensor OptiGap
- Tulisan ini mengeksplorasi proses riset dan pengembangan sistem sensor baru, OptiGap, yang merupakan elemen inti dari penelitian disertasi PhD penulis
- Disajikan dalam format bercerita untuk memberikan wawasan tentang proses pengambilan keputusan dan evolusi hingga implementasi akhir
- Ini menawarkan kesempatan untuk mengintip dunia penelitian doktoral yang kadang tersembunyi, dan kemungkinan akan menarik minat orang-orang yang penasaran dengan proses tersebut
- Jika ingin mengetahui lebih lanjut tentang detail teknis, simulasi, dan penelitian sebelumnya mengenai topik ini, disertasi penulis dapat dilihat secara online
Fungsi sistem sensor OptiGap
- Dalam istilah yang sangat umum, sensor ini pada dasarnya seperti tali yang dapat memberi tahu di mana bagian sepanjang panjangnya yang tertekuk saat dibengkokkan
- Ini disebut "lokalisasi tekukan (bend localization)"
- Area penerapan OptiGap terutama berada dalam ranah soft robotics yang melibatkan sistem fleksibel (atau 'lembek') di mana penggunaan sensor tradisional sering kali tidak praktis
- Nama OptiGap adalah gabungan dari "optical" dan "gap", yang mencerminkan prinsip inti pemanfaatan celah udara di dalam pipa cahaya fleksibel untuk menghasilkan pola terkode yang penting bagi lokalisasi tekukan
Awal mula sistem sensor OptiGap
- Ide OptiGap muncul saat penulis bereksperimen dengan transmisi cahaya melalui berbagai pipa cahaya (kabel optik) untuk digunakan sebagai sensor pendeteksi tekukan
- Pada awalnya, penulis mencoba mencari cara untuk secara efektif "memperlambat" cahaya melalui serat optik
- Dalam proses itu, penulis menempelkan sepotong filamen printer 3D transparan (TPU 1,75 mm) ke pita ukur untuk eksperimen, dan secara kebetulan menemukan bahwa transmisi cahaya berkurang secara signifikan ketika pita ukur (dan filamen) dibengkokkan di titik tempat electrical tape menempel
- Penulis mengajukan hipotesis bahwa residu lengket dari electrical tape menyebabkan filamen meregang sehingga mengurangi transmisi cahaya
- Untuk memverifikasi hipotesis tersebut, penulis menempelkan potongan TPU yang lebih panjang ke pita ukur dan mulai membengkokkannya di berbagai titik untuk mengamati bagaimana transmisi cahaya berubah
Mewujudkan OptiGap
- Penulis menyadari bahwa karena posisi terjadinya atenuasi optik dapat dikendalikan, hal itu dapat dimanfaatkan untuk mengodekan informasi tentang posisi tekukan sensor
- Karena penggunaan electrical tape bukan solusi yang praktis, penulis mulai mencari cara yang lebih andal dan konsisten untuk menciptakan atenuasi tersebut
- Ini mengarah pada ide memotong filamen lalu menyambungkannya kembali dengan menggunakan sleeve karet fleksibel (silikon) sambil menyisakan celah udara kecil
- Prinsip kerja utama celah udara adalah bahwa jika satu permukaan pipa cahaya digeser dan/atau diputar relatif terhadap permukaan lainnya, fraksi cahaya yang ditransmisikan melintasi celah akan berubah
- Semakin besar sudut tekukan, semakin banyak cahaya yang bocor melintasi celah
- Perubahan yang dihasilkan pada intensitas sinyal cahaya kemudian dapat dikaitkan dengan pola yang diketahui untuk digunakan sebagai sensor
Ide besarnya
- Penulis menguji ide ini dengan membuat beberapa celah udara berjajar dan membengkokkan filamen untuk mengukur atenuasi
- Intensitas cahaya menurun pada setiap celah udara, dan penurunan itu menjadi lebih jelas seiring bertambahnya sudut tekukan
- Eksperimen awal ini berfungsi sebagai proof of concept dan membuktikan kelayakan ide tersebut
- Ini kemudian mengarah pada perumusan hipotesis akhir penulis: memanfaatkan pola celah udara ini untuk mengodekan informasi tentang tekukan sensor dan menggunakan pengklasifikasi Naive Bayes pada mikrokontroler untuk mendekode posisi tekukan
- Konsep ini mirip dengan fungsi encoder linear
- Sistem OptiGap bekerja seperti absolute encoder, mengodekan posisi absolut menggunakan pola celah udara yang sensitif terhadap tekukan di sepanjang pipa cahaya paralel, dan secara efektif berperan sebagai sensor serat optik tunggal
Mengodekan posisi tekukan menggunakan Reverse Gray Code
- Reverse Gray Code adalah kode biner di mana dua nilai berurutan berbeda paling banyak sebesar (n-1) bit
- Untuk mengimplementasikannya, penulis membuat potongan pada filamen di setiap posisi yang bernilai "1" dalam urutan Reverse Gray Code
- Pendekatan ini dapat diskalakan untuk jumlah bit berapa pun
- Untuk prototipe, digunakan 3 bit yang memberikan 8 kemungkinan posisi
Visualisasi sistem sensor OptiGap
- Gambar menunjukkan pola sinyal sistem sensor OptiGap untuk setiap posisi tekukan dengan menggunakan 3 serat optik
- Dengan menggunakan pengklasifikasi Naive Bayes, sistem sensor dapat mengidentifikasi posisi tekukan berdasarkan pola sinyal
- Grafik ketiga menunjukkan data sensor nyata yang diperoleh dari sistem prototipe, yang digunakan untuk melatih pengklasifikasi pada mikrokontroler
Prototipe OptiGap
- Penulis membuat prototipe sistem sensor OptiGap menggunakan 3 filamen printer 3D TPU transparan, masing-masing dengan pola celah udara yang unik
- Dengan menggunakan optical fiber coupler komersial 3:1, tiga jalur cahaya digabungkan ke dalam satu kabel serat optik untuk menyelesaikan prototipe sensor
- Ini menandai tahap akhir dalam memverifikasi hipotesis dan teori kerja di balik sensor OptiGap
Mengurangi ukuran fisik
- Prototipe awal ternyata besar dan bulky karena ukuran filamen printer 3D yang digunakan
- Berdasarkan pengalaman sebelumnya, penulis menyadari bahwa serat optik PMMA (plastik) memberikan alternatif yang lebih kecil dan fleksibel untuk aplikasi ini
- Akibatnya, ukuran sensor dikurangi secara signifikan dengan mengevaluasi serat optik PMMA tanpa pelapis 500, 750, dan 1000 mikron dari Industrial Fiber Optics, Inc. untuk strand sensor
- Pengujian dilakukan untuk menilai transmisi cahaya dan fleksibilitas pada ketiga jenis serat optik tersebut
- Di antaranya, serat optik 500 mikron muncul sebagai pilihan terbaik secara keseluruhan, meskipun ketiganya menunjukkan fleksibilitas yang memadai untuk aplikasi ini
Mengurangi kompleksitas transceiver optik
- Untuk mengurangi kompleksitas sistem dan meningkatkan modularitas, diputuskan untuk menggunakan pengaturan sederhana berupa photodiode dan IR LED alih-alih sensor ToF VL53L0X yang kompleks
- Hal ini memungkinkan data sensor dibaca menggunakan mikrokontroler, sehingga menghasilkan peningkatan yang signifikan dibandingkan prototipe awal
- Penulis kemudian membuat sistem demo untuk sensor berdasarkan mikrokontroler STM32 dan pengaturan photodiode/IR LED
Machine learning real-time pada mikrokontroler
- Tahap akhir pengembangan sistem sensor OptiGap mencakup integrasi pengklasifikasi Naive Bayes ke mikrokontroler STM32 untuk mendekode posisi tekukan dari data sensor
- Pengklasifikasi Naive Bayes dipilih karena lebih efisien dibandingkan pernyataan if atau lookup table, mampu menangani data baru atau data yang belum pernah dilihat sebelumnya, serta berpotensi meningkatkan akurasi dengan mempertimbangkan hubungan antar banyak variabel input
- Implementasi pengklasifikasi Naive Bayes terbukti relatif sederhana
- Pengklasifikasi ini adalah model probabilistik yang menerapkan teorema Bayes untuk menentukan bagaimana suatu pengukuran dapat ditetapkan ke kelas tertentu; dalam konteks ini, kelas merepresentasikan posisi tekukan
- Untuk mengimplementasikan pengklasifikasi, digunakan library Arm CMSIS-DSP
Fitting data sensor
- Langkah pertama dalam mengintegrasikan pengklasifikasi adalah melakukan fitting data sensor ke distribusi Gaussian untuk setiap pola celah udara
- Untuk mempercepat proses ini, penulis mengembangkan GUI Python yang menggunakan GNB (Gaussian Naive Bayes) dari library scikit-learn untuk memberi label dan melakukan fitting data dengan cepat
- Antarmuka ini kemudian ditingkatkan agar lebih umum dan memungkinkan fitting data yang lebih kompleks
- Probabilitas untuk setiap kelas dihitung lalu disimpan sebagai header agar dapat digunakan pada mikrokontroler
Filtering data sensor
- Untuk meningkatkan akurasi pengklasifikasi, penulis mengimplementasikan proses filtering dua tahap pada STM32
- Tahap awal mencakup filter moving average dasar, dan tahap kedua menggunakan filter Kalman
Demo sistem sensor OptiGap
- GIF yang disediakan menunjukkan berbagai tahap sistem sensor OptiGap, termasuk perakitan dan demonstrasi kerja sistem sensor akhir
Spesifikasi desain OptiGap
- Properti dan parameter inti
- Rekomendasi material
Langkah berikutnya
- Ada kemajuan signifikan pada sistem OptiGap melampaui yang didokumentasikan di sini
- Ini termasuk pekerjaan untuk mengintegrasikannya ke dalam sistem aktuasi dan penginderaan modular bernama EneGate
- Hal ini melibatkan desain PCB kustom dan integrasi sistem, yang dijelaskan secara rinci dalam disertasi
- Penulis juga membuat prototipe versi optik berbasis PCB kecil untuk berinteraksi dengan PCB sistem EneGate
- OptiGap telah divalidasi pada sistem soft robot nyata, dan detail lebih lanjut akan dipublikasikan dalam makalah RoboSoft berjudul " Embedded Optical Waveguide Sensors for Dynamic Motion Monitoring in Twisted Beam Structures "
Komersialisasi
- Aspek komersialisasi dari penelitian ini juga sedang berjalan
Opini GN⁺
- Sistem sensor OptiGap tampak sebagai teknologi inovatif yang dapat mendeteksi posisi tekukan yang sulit ditangkap sensor konvensional di bidang soft robotika. Berbagai sistem yang membutuhkan fleksibilitas
1 komentar
Komentar Hacker News
Berikut poin-poin utama dari komentar Hacker News, dirangkum dengan nada yang netral dan informatif:
Gagasan umum untuk membuat material lebih "sadar diri" atau dapat diinspeksi dinilai menarik dan terasa seperti konsep sci-fi.
Riset sebelumnya dari salah satu komentator menggunakan neural net bernilai kompleks untuk mempelajari matriks transmisi dari serat optik, yang berkaitan dengan karya ini karena membengkokkan serat mengharuskan pembelajaran ulang matriks baru. Mungkin saja karakterisasi serat yang terparametrisasi dapat dipelajari untuk memodelkan bentuknya.
Riset ini tampak menyeluruh dan terdokumentasi dengan baik. Sang pembimbing, Cindy Harnett, kemungkinan menyadari kemiripan konseptualnya dengan time-domain reflectometry.
Ada pertanyaan tentang bagaimana sensor ini menangani beberapa tekukan. Tampaknya, dengan pengaturan saat ini, beberapa tekukan akan menghasilkan penjumlahan atenuasi log, yang berpotensi memerlukan jumlah untaian sebanyak lokasi tekukan untuk menghilangkan ambiguitas. Perlu klarifikasi apakah ini memang hanya ditujukan untuk kasus tekukan tunggal.
Penyempurnaan lebih lanjut berpotensi membuat teknologi ini dapat diproduksi massal dengan akurasi tinggi. Aplikasinya mencakup sensor sentuh 2D atau 3D yang hemat biaya untuk robot, propriosepsi yang sensitif terhadap arah untuk tabung fleksibel, serta pendeteksian perbedaan suhu yang terlokalisasi.
Teknologi ini tampak mirip dengan Nintendo Power Glove, yang menggunakan cahaya di dalam tabung untuk memicu penekanan tombol berdasarkan tekukan jari/tangan.
Memiliki pembimbing yang luar biasa disorot sebagai pembeda antara pengalaman yang menyiksa dan pengalaman yang baik.
Salah satu komentator tertarik menggunakan sensor ini (atau beberapa sensor sekaligus) untuk mendeteksi ayunan stik golf secara akurat pada golf launch monitor yang tidak mengharuskan memukul bola.
Saran untuk perbaikan meliputi:
Karya ini mengingatkan komentator lain pada distributed acoustic sensing (DAS) yang menggunakan kabel serat optik untuk berbagai tugas pemantauan, meskipun mereka belum pernah melihatnya digunakan untuk soft robotics sebelumnya.
Tantangan manufaktur yang membutuhkan serat log2 dan encoding berbeda di setiap junction diakui, tetapi tidak dianggap sebagai masalah pada tahap riset/proof-of-concept.