Modelagem e Controle Neuromimético Aplicados a Garra Robótica Inteligente - Atena EditoraAtena Editora

Artigo

Baixe agora

Livros

Modelagem e Controle Neuromimético Aplicados a Garra Robótica Inteligente

Baixar PDF
Para que uma prótese robótica consiga segurar objetos com firmeza, é necessário perceber o escorregamento de um objeto de forma rápido. Neste trabalho, foi desenvolvido um sistema bioinspirado para detectar e corrigir esse escorregamento. Para isso, combinamos uma matriz de sensores de pressão (4x4 taxels) com um modelo que simula o comportamento de neurônios, conhecido como modelo de Izhikevich. Na prática, as variações de pressão na ponta do dedo robótico são transformadas em pulsos elétricos, como se fossem sinais neurais. Esses sinais alimentam um controlador (Proporcional-Integral Monotônico) que ajusta continuamente a força da pegada para evitar que o objeto caia. Todo o sistema foi implementado diretamente em um microcontrolador simples (ARM Cortex-M3), operando a 500 Hz. Nos testes, provocamos um escorregamento súbito com um peso de 20g. A mão robótica conseguiu reagir e firmar o objeto em uma média de apenas 68 ms, permitindo um deslize mínimo de 2,8 ± 0,7 mm. Nossos resultados mostram que essa abordagem não só supera os métodos tradicionais, como também se iguala em velocidade e precisão a técnicas bem mais complexas, com a grande vantagem de exigir muito menos processamento e energia. Isso prova que usar um processamento que neuromiméto é um caminho muito eficiente para criar robôs capazes de manipular objetos de forma inteligente no mundo real.
Ler mais

Modelagem e Controle Neuromimético Aplicados a Garra Robótica Inteligente

  • DOI: https://doi.org/10.22533/at.ed.3941226080112

  • Palavras-chave: Controlador, Escorregamento, Modelo de Izhikevich, Sensores de pressão.

  • Keywords: Controller, Slip, Izhikevich Model, Pressure Sensors.

  • Abstract: For a robotic prosthesis to hold objects firmly, it must sense when slipping begins and react quickly. In this work, we developed a system inspired by the human nervous system to detect and correct slip. To do so, we combined a pressure sensor array (4x4 taxels) with a model that simulates neuronal behavior, known as the Izhikevich model. In practice, pressure variations at the robotic fingertip are transformed into electrical pulses, as if they were neural signals. These signals feed a controller (Monotonic Proportional-Integral) that continuously adjusts grip force to prevent object drop. The entire system was implemented directly on a simple microcontroller (ARM Cortex-M3), operating at 500 Hz. In the tests, we induced sudden slips using a 20 g weight. The robotic hand was able to react and stabilize the object in an average of only 68 ms, allowing a minimal slip of 2.8 ± 0.7 mm. Our results show that this approach not only outperforms traditional methods but also matches the speed and accuracy of much more complex techniques, with the major advantage of requiring far less processing and energy. This demonstrates that brain-inspired processing is a highly efficient path for creating robots capable of intelligently manipulating objects in the real world.

  • Vinicius Teixeira da Costa
  • Alcimar Barbosa Soares
Fale conosco Whatsapp