OptiGap sensor system के विकास पर R&D case study
- यह लेख लेखक के PhD thesis research के मुख्य घटक, नए sensor system OptiGap, के research और development process की पड़ताल करता है
- इसका उद्देश्य storytelling format में decision-making process और final implementation तक के evolution पर insight देना है
- यह PhD research की कभी-कभी छिपी रहने वाली दुनिया की एक झलक देता है और इस process को लेकर जिज्ञासा रखने वालों की रुचि जगा सकता है
- यदि आप इस विषय के technical details, simulations और prior research के बारे में अधिक जानना चाहते हैं, तो लेखक का thesis online देखा जा सकता है
OptiGap sensor system क्या करता है
- बहुत सामान्य शब्दों में, यह sensor मूल रूप से एक ऐसी rope की तरह है जो मुड़ने पर बता सकती है कि उसकी लंबाई के किस हिस्से पर मोड़ आया है
- इसे "bend localization" कहा जाता है
- OptiGap का उपयोग मुख्य रूप से soft robotics के क्षेत्र में है, जहां flexible (या 'soft') systems में पारंपरिक sensors का उपयोग अक्सर व्यावहारिक नहीं होता
- OptiGap नाम "optical" और "gap" का संयोजन है, जो इसके उस मुख्य सिद्धांत को दर्शाता है जिसमें flexible light pipe के भीतर air gaps का उपयोग bend localization के लिए जरूरी coded patterns बनाने में किया जाता है
OptiGap sensor system की शुरुआत
- OptiGap का विचार तब आया जब लेखक bending sensor के रूप में उपयोग के लिए अलग-अलग light pipes (optical cables) के जरिए light transmission के साथ प्रयोग कर रहे थे
- शुरुआत में, वे optical fiber के जरिए प्रकाश को प्रभावी ढंग से "धीमा" करने का तरीका देखना चाहते थे
- इस process के दौरान, लेखक ने experiment के लिए transparent 3D printer filament (1.75mm TPU) के एक टुकड़े को tape measure पर लगाया, और संयोग से पाया कि जब tape measure (और filament) को उस जगह मोड़ा गया जहां electrical tape लगा था, तो light transmission काफी कम हो गया
- उन्होंने यह hypothesis बनाई कि electrical tape का चिपचिपा residue filament को stretch कर देता है, जिससे light transmission कम हो जाता है
- इस hypothesis की जांच के लिए, लेखक ने tape measure पर TPU का एक लंबा टुकड़ा लगाया और अलग-अलग बिंदुओं पर मोड़कर यह देखना शुरू किया कि light transmission कैसे बदलता है
OptiGap को साकार करना
- लेखक ने समझा कि क्योंकि वे उस स्थान को नियंत्रित कर सकते हैं जहां optical attenuation होता है, इसलिए इसका उपयोग sensor में bend location की जानकारी encode करने के लिए किया जा सकता है
- electrical tape का उपयोग व्यावहारिक समाधान नहीं था, इसलिए लेखक ने इस attenuation को बनाने का अधिक reliable और consistent तरीका खोजा
- इससे filament को काटकर flexible rubber (silicone) sleeve की मदद से दोबारा जोड़ने का विचार आया, ताकि बीच में छोटे air gaps छोड़े जा सकें
- air gap का मुख्य working principle यह है कि जब एक light pipe face को दूसरे के सापेक्ष shift और/या rotate किया जाता है, तो gap के पार transmit होने वाले light का fraction बदल जाता है
- bend angle जितना बड़ा होगा, gap के पार उतनी अधिक light निकल जाएगी
- light signal intensity में होने वाला यह बदलाव sensor के रूप में उपयोग के लिए known pattern से जोड़ा जा सकता है
बड़ा विचार
- लेखक ने इस विचार को परखने के लिए एक सीध में कई air gaps बनाए और attenuation मापने के लिए filament को मोड़ा
- light intensity हर air gap पर कम होती है, और bend angle बढ़ने पर यह कमी और अधिक स्पष्ट हो जाती है
- यह शुरुआती experiment proof of concept के रूप में काम आया और इस विचार की feasibility साबित की
- इससे लेखक की अंतिम hypothesis बनी कि sensor के bending की जानकारी encode करने के लिए इन air gap patterns का उपयोग किया जाए और microcontroller पर naive Bayes classifier से bend location को decode किया जाए
- यह concept linear encoder के function जैसा है
- OptiGap system absolute encoder की तरह काम करता है, जो parallel light pipes के साथ bend-sensitive air gap patterns का उपयोग करके absolute position encode करता है, और प्रभावी रूप से single optical fiber sensor की भूमिका निभाता है
inverse Gray code का उपयोग करके bend location encode करना
- inverse Gray code एक binary code है जिसमें लगातार दो values अधिकतम (n-1) bits तक अलग होती हैं
- इसे लागू करने के लिए inverse Gray code sequence में जहां-जहां "1" था, वहां filament में cuts बनाए गए
- यह approach किसी भी number of bits तक scale की जा सकती है
- prototype के लिए 3 bits का उपयोग किया गया, जिससे 8 possible positions मिलीं
OptiGap sensor system का visualization
- चित्र 3 optical fibers का उपयोग करके हर bend location के लिए OptiGap sensor system के signal patterns दिखाता है
- naive Bayes classifier का उपयोग करके sensor system signal patterns के आधार पर bend location पहचान सकता है
- तीसरा graph prototype system से प्राप्त वास्तविक sensor data दिखाता है, जिसका उपयोग microcontroller पर classifier को train करने में किया गया
OptiGap prototype
- लेखक ने transparent TPU 3D printer filament के 3 टुकड़ों का उपयोग करके OptiGap sensor system का prototype बनाया, जिनमें से हर एक का air gap pattern अलग था
- commercial 3:1 fiber optic coupler का उपयोग करके 3 strands of light को एक single optical fiber cable में combine किया गया, जिससे sensor prototype पूरा हुआ
- यह OptiGap sensor के पीछे की hypothesis और operating theory को validate करने का अंतिम चरण था
physical size कम करना
- शुरुआती prototype इस्तेमाल किए गए 3D printer filament के size के कारण बड़ा और bulky निकला
- अपने पिछले अनुभव के आधार पर लेखक ने पहचाना कि PMMA (plastic) optical fiber इस application के लिए छोटा और अधिक flexible alternative दे सकता है
- इसके परिणामस्वरूप sensor strands के लिए Industrial Fiber Optics, Inc. की 500, 750 और 1000 micron unjacketed PMMA optical fibers का evaluation किया गया, जिससे sensor size काफी कम हुआ
- light transmission और flexibility का मूल्यांकन करने के लिए तीनों प्रकार की optical fibers पर tests किए गए
- इनमें 500 micron optical fiber overall सबसे अच्छा विकल्प निकला, हालांकि तीनों ने इस application के लिए पर्याप्त flexibility दिखाई
optical transceiver complexity कम करना
- system की complexity कम करने और modularity बढ़ाने के लिए जटिल VL53L0X ToF sensor की जगह simple photodiode और IR LED setup उपयोग करने का फैसला किया गया
- इससे microcontroller के जरिए sensor data पढ़ना संभव हुआ, जो शुरुआती prototype की तुलना में महत्वपूर्ण सुधार था
- इसके बाद STM32 microcontroller और photodiode/IR LED setup पर आधारित sensor के लिए demo system बनाया गया
microcontroller पर real-time machine learning
- OptiGap sensor system के विकास के अंतिम चरण में sensor data से bend location decode करने के लिए STM32 microcontroller में naive Bayes classifier को integrate करना शामिल था
- naive Bayes classifier को इसलिए चुना गया क्योंकि यह if-statements या lookup tables की तुलना में अधिक efficient है, नए या पहले कभी न देखे गए data को handle कर सकता है, और कई input variables के बीच संबंधों को ध्यान में रखकर accuracy बढ़ाने की क्षमता रखता है
- naive Bayes classifier का implementation अपेक्षाकृत सरल साबित हुआ
- यह classifier एक probabilistic model है जो Bayes' theorem लागू करके तय करता है कि किसी measurement को किसी खास class में कैसे assign किया जाए; इस संदर्भ में class का मतलब bend location है
- classifier implementation के लिए Arm CMSIS-DSP library का उपयोग किया गया
sensor data fitting
- classifier को integrate करने का पहला चरण हर air gap pattern के लिए sensor data को Gaussian distribution पर fit करना था
- इस process को तेज करने के लिए scikit-learn library के GNB (Gaussian Naive Bayes) का उपयोग करते हुए data को जल्दी label और fit करने के लिए एक Python GUI विकसित किया गया
- बाद में इस UI को अधिक general बनाया गया और अधिक complex data fitting की अनुमति देने के लिए सुधारा गया
- हर class के लिए probabilities calculate की गईं और microcontroller में उपयोग के लिए उन्हें header के रूप में store किया गया
sensor data filtering
- classifier की accuracy बढ़ाने के लिए STM32 पर two-stage filtering process लागू किया गया
- शुरुआती चरण में basic moving average filter शामिल था, और दूसरे चरण में Kalman filter का उपयोग किया गया
OptiGap sensor system demo
- दिया गया GIF OptiGap sensor system के विभिन्न चरण दिखाता है, जिनमें assembly और final sensor system की working demonstration शामिल है
OptiGap design specifications
- मुख्य गुण और parameters
- materials recommendations
अगले कदम
- यहां दर्ज जानकारी से आगे भी OptiGap system पर काफी प्रगति की गई है
- इसमें EneGate नामक modular actuation and sensing system में integration जैसे काम शामिल हैं
- इसमें custom PCB design और system integration शामिल है, जिनका thesis में विस्तार से वर्णन है
- EneGate system के लिए PCB के साथ interface करने हेतु optical hardware के compact PCB version का prototype भी बनाया गया
- वास्तविक soft robot system में OptiGap की validity verify की गई, और इसका विस्तृत विवरण "Embedded optical waveguide sensors for monitoring dynamic motion in twisted beam structures" शीर्षक वाले RoboSoft paper में प्रकाशित होने वाला है
commercialization
- इस research का commercialization पहलू भी प्रगति पर है
GN⁺ की राय
- OptiGap sensor system soft robotics के क्षेत्र में एक अभिनव तकनीक लगता है, जो bending location का पता लगा सकता है, ऐसी चीज जिसे पारंपरिक sensors से समझना मुश्किल था। ऐसे विभिन्न systems में जहां flexibility जरूरी है
1 टिप्पणियां
Hacker News राय
Hacker News टिप्पणियों से मुख्य बिंदु यहाँ तटस्थ और जानकारीपूर्ण शैली में संक्षेपित किए गए हैं:
सामग्री को अधिक "self-aware" या inspectable बनाने के सामान्य विचार को एक दिलचस्प और sci-fi जैसी अवधारणा के रूप में सराहा गया है.
एक टिप्पणीकार के पिछले शोध में optical fiber की transmission matrix सीखने के लिए complex-valued neural nets का उपयोग किया गया था, जो इस काम से संबंधित है क्योंकि fiber को मोड़ने पर नई matrix फिर से सीखनी पड़ती है. fiber की shape को मॉडल करने के लिए उसके parameterized characterization को सीखना संभव हो सकता है.
यह शोध गहन और अच्छी तरह documented लगता है. advisor, Cindy Harnett, संभवतः time-domain reflectometry से इसकी वैचारिक समानता से अवगत होंगी.
इस बारे में सवाल हैं कि sensor multiple bends को कैसे संभालता है. लगता है कि मौजूदा setup में multiple bends के परिणामस्वरूप log attenuations का योग मिलेगा, जिससे अस्पष्टता दूर करने के लिए bend locations जितनी strands की आवश्यकता पड़ सकती है. यह स्पष्ट करने की ज़रूरत है कि क्या यह केवल single-bend मामलों के लिए ही अभिप्रेत है.
संभावित refinements इस तकनीक को high accuracy के साथ mass-producible बना सकते हैं. applications में robots के लिए cost-effective 2D या 3D touch sensors, flexible tubes के लिए directionally sensitive proprioception, और localized temperature differences का पता लगाना शामिल हैं.
यह तकनीक Nintendo Power Glove जैसी लगती है, जिसमें उंगली/हाथ के bend के आधार पर key presses trigger करने के लिए tube में light का उपयोग किया जाता था.
एक शानदार advisor होना, खराब अनुभव और अच्छे अनुभव के बीच का अंतर बताया गया है.
एक टिप्पणीकार इस sensor (या कई sensors को साथ में) का उपयोग करके golf launch monitor के लिए golf club swing को सटीक रूप से detect करने में रुचि रखता है, जिसमें गेंद को hit करने की आवश्यकता न हो.
सुधार के लिए सुझावों में शामिल हैं:
यह काम एक अन्य टिप्पणीकार को fiber optic cables का उपयोग करने वाले distributed acoustic sensing (DAS) की याद दिलाता है, जो विभिन्न monitoring tasks के लिए इस्तेमाल होता है, हालांकि उन्होंने इसे पहले soft robotics में उपयोग होते नहीं देखा.
हर junction में log2 fibers और अलग-अलग encodings की manufacturing चुनौती को स्वीकार किया गया है, लेकिन research/proof-of-concept चरण में इसे समस्या नहीं माना गया है.