Tactiele sensor: hoe machines leren voelen
Een tactiele sensor is een apparaatje dat aanraking, druk of textuur kan meten, ongeveer zoals de huid van je vingertoppen dat doet. Waar een camera een robot laat zien en een microfoon hem laat horen, laat een tactiele sensor een machine voelen. Denk aan het verschil tussen een ei oppakken terwijl je ernaar kijkt, en hetzelfde doen met je ogen dicht: je vingers voelen dan hoe hard je knijpt en of het ei dreigt te glippen. Precies dat soort informatie proberen ingenieurs aan robots en prothesen te geven.
Zonder tastzin moet een robotarm bijna alles inschatten op basis van camerabeelden en vooraf geprogrammeerde krachten. Dat werkt goed in een fabriek waar elk onderdeel exact hetzelfde is en op dezelfde plek ligt, maar faalt zodra de wereld minder voorspelbaar wordt: een zachte tomaat, een glad wijnglas, een sok die net iets anders ligt dan verwacht. Tactiele sensoren moeten robots helpen om daar net zo soepel mee om te gaan als mensen, door voortdurend piepkleine veranderingen in druk en wrijving te meten en daarop te reageren.
Wat is het precies?
In de kern zet een tactiele sensor een mechanische vervorming — druk, rek, wrijving — om in een elektrisch signaal dat een computer kan verwerken. Er bestaan verschillende technieken om dat voor elkaar te krijgen, elk met eigen voor- en nadelen.
Bij piëzoresistieve sensoren verandert de elektrische weerstand van een materiaal wanneer het wordt samengedrukt; hoe harder de druk, hoe meer de weerstand daalt of stijgt. Capacitieve sensoren meten juist een verandering in elektrische lading tussen twee dunne platen die dichter bij elkaar komen als er druk op staat — dezelfde techniek die in veel touchscreens zit. Piëzo-elektrische materialen wekken vanzelf een klein spanningsverschil op zodra ze vervormen, wat ze goed geschikt maakt om trillingen en snelle tikken te registreren.
Een aparte en steeds populairdere categorie is de optische tactiele sensor. Hierbij zit een minicamera achter een zachte, doorzichtige rubberen laag. Als die rubberen huid tegen een voorwerp drukt, vervormt het oppervlak; de camera filmt die vervorming en software berekent daaruit de precieze vorm, druk en textuur van wat wordt aangeraakt. Dit levert vaak een veel gedetailleerder beeld op dan klassieke druksensoren, bijna zoals een reliëfkaart van het contactoppervlak.
Meestal worden losse sensoren gebundeld tot een raster of "array", verspreid over een vingertop, handpalm of een hele robotarm. Zo'n raster van sensoren wordt ook wel elektronische huid of e-skin genoemd. De resolutie — het aantal meetpunten per vierkante centimeter — bepaalt hoe fijn de sensor kan onderscheiden tussen bijvoorbeeld een gladde en een licht ruwe ondergrond. Menselijke vingertoppen bevatten honderden drukgevoelige receptoren per vierkante centimeter; de meeste kunstmatige sensoren komen daar nog niet aan.
Wat wil men ermee bereiken?
Het belangrijkste doel is robots en machines een gevoel voor grip te geven. Een robotarm die een ei, een stuk fruit of een glas moet oppakken, heeft feedback nodig: knijp ik hard genoeg om het niet te laten vallen, maar niet zo hard dat het breekt? Camera's alleen kunnen dat niet goed inschatten, omdat ze de krachten aan het contactoppervlak niet direct meten.
Een tweede doel is het sluiten van een feedback-lus die vergelijkbaar is met hoe mensen bewegen. Wij passen onze grip voortdurend en onbewust aan op basis van tastinformatie; robots moeten dat leren doen op basis van sensordata die in real time wordt verwerkt, vaak met algoritmes voor machine learning.
Daarnaast speelt tactiele sensing een rol in de medische wereld. Chirurgische robots zoals systemen voor minimaal invasieve chirurgie missen van nature het tastgevoel dat een chirurg met de hand zou hebben; onderzoekers proberen dat gevoel via sensoren en haptische feedback (kunstmatig teruggegeven kracht) deels terug te geven. Ook in prothesen kan tactiele feedback dragers helpen om weer een vorm van tastzin te ervaren.
Ten slotte is er de bredere ambitie achter veel humanoïde-robotprojecten: machines die zich zelfstandig kunnen redden in menselijke omgevingen — huizen, magazijnen, zorginstellingen — hebben tastzin nodig om voorwerpen te herkennen en veilig te hanteren zonder dat er van tevoren een 3D-model van elk object hoeft te bestaan.
Voorbeelden uit de praktijk
GelSight is een van de bekendste optische tactiele sensoren, ontwikkeld door de onderzoeksgroep van hoogleraar Edward Adelson aan het Massachusetts Institute of Technology (MIT). De techniek, die rond 2009 werd gepubliceerd, gebruikt een camera achter een zachte rubberen laag om extreem gedetailleerde afdrukken van een oppervlak te maken. Het idee is later commercieel doorontwikkeld door het bedrijf GelSight Inc.
BioTac, ontwikkeld door het bedrijf SynTouch met wortels in onderzoek aan de University of Southern California (USC), is een vingertopsensor die druk, trillingen en temperatuur meet via een vloeistofgevulde huid. Het product kwam begin jaren 2010 op de markt en wordt veel gebruikt in onderzoekslabs wereldwijd.
Digit is een goedkope, open-source tactiele sensor die Meta AI (het onderzoekslab van Meta, voorheen Facebook) in 2020 presenteerde, ontwikkeld in samenwerking met onderzoekers van Carnegie Mellon University. Het doel was om een betaalbare, makkelijk te reproduceren sensor beschikbaar te stellen aan de bredere robotica-onderzoeksgemeenschap.
De Shadow Dexterous Hand van het Britse bedrijf Shadow Robot Company is een robothand met een groot aantal bewegingsvrijheden en tactiele sensoren op de vingertoppen. Het bedrijf, actief sinds de jaren tachtig, gebruikt deze hand al lange tijd in onderzoekssamenwerkingen, onder meer met OpenAI, dat er in 2019 een robothand mee liet leren een kubus met de hand te draaien.
Bij de presentatie van de tweede generatie van de humanoïde robot Optimus eind 2023 liet Tesla vingertoppen zien die zijn uitgerust met tactiele sensoren, bedoeld om de robot fijnere objecten te laten vastpakken. Dit is een van de meest recente voorbeelden van tactiele sensoren die hun weg vinden naar commercieel gepositioneerde humanoïde robots, al is onafhankelijk geverifieerde informatie over de precieze prestaties van deze sensoren beperkt.
Hoe ver is de techniek?
Tactiele sensoren bestaan in laboratoriumvorm al decennia, maar de stap naar betrouwbare, betaalbare en op grote schaal inzetbare producten is nog niet voltooid. Vroege versies waren vaak duur, kwetsbaar of leverden ruwe data op die lastig te interpreteren was.
De afgelopen tien jaar is er duidelijk vooruitgang geboekt, vooral dankzij de combinatie van betere hardware met machine learning: algoritmes die zijn getraind op grote hoeveelheden sensordata kunnen tegenwoordig relatief goed textuur, glibberigheid of dreigend wegglijden herkennen uit ruwe tactiele signalen. Optische sensoren zoals GelSight en Digit hebben de haalbare resolutie flink verhoogd.
Toch blijven er belangrijke obstakels. De dichtheid van sensoren haalt nog niet het niveau van menselijke vingertoppen. Bekabeling en integratie van tientallen of honderden sensorpunten in een klein oppervlak is technisch lastig. Veel sensoren slijten of raken beschadigd bij intensief gebruik, wat een probleem is voor toepassingen buiten het lab. En het combineren van tactiele data met visuele en krachtinformatie tot één samenhangend "gevoel" voor een robot is nog grotendeels onderzoeksterrein.
Op dit moment zijn tactiele sensoren vooral te vinden in onderzoeksrobots, prototypes en gespecialiseerde industriële of medische toepassingen. Brede, betrouwbare inzet in consumentenrobots of dagelijkse humanoïde assistenten is er nog niet; demonstraties zoals die van Tesla tonen vooral dat de techniek richting praktische toepassing beweegt, niet dat het probleem al is opgelost.
Wie werken eraan?
Academisch onderzoek naar tactiele sensing wordt aangevoerd door instituten als het Computer Science and Artificial Intelligence Laboratory (CSAIL) van MIT, waar onder meer de GelSight-technologie is ontstaan, en de University of Southern California, met een lange traditie in biomechanisch geïnspireerde tastsensoren. Aan Stanford University doet de onderzoeksgroep van hoogleraar Zhenan Bao al jaren baanbrekend werk aan rekbare, huidachtige elektronica voor tastzin.
Op bedrijvenvlak combineren techreuzen en gespecialiseerde start-ups hun krachten. Meta AI (het onderzoekslab van Meta) werkt samen met universiteiten zoals Carnegie Mellon aan open-source sensoren zoals Digit. Kleinere, gespecialiseerde bedrijven zoals SynTouch (BioTac) in de Verenigde Staten, Shadow Robot Company in het Verenigd Koninkrijk en Xela Robotics in Japan — bekend om zijn magnetische uSkin-sensoren — richten zich volledig op tactiele hardware voor robotica.
Daarnaast investeren grote robotica- en autobedrijven die aan humanoïde robots werken, zoals Tesla en verschillende Amerikaanse start-ups in de humanoïde-robotmarkt, in tactiele sensortechnologie als onderdeel van hun bredere robotplatforms. Ook in Oost-Azië, met name Japan en China, lopen actieve onderzoeksprogramma's op dit gebied, vaak in samenwerking tussen universiteiten en industrie.