stringtranslate.com

Detección robótica

La detección robótica es un subárea de la ciencia robótica destinada a proporcionar capacidades de detección a los robots . La detección robótica proporciona a los robots la capacidad de detectar sus entornos y generalmente se utiliza como retroalimentación para permitir que los robots ajusten su comportamiento en función de la entrada detectada. La detección robótica incluye la capacidad de ver, [1] [2] [3] tocar, [4] [5] [6] oír [7] y moverse [8] [9] [10] y algoritmos asociados para procesar y hacer uso de la retroalimentación ambiental y los datos sensoriales. La detección robótica es importante en aplicaciones como la automatización vehicular , las prótesis robóticas y para robots industriales, médicos, de entretenimiento y educativos.

Visión

Método

Los sistemas de detección visual pueden basarse en una variedad de tecnologías y métodos, incluido el uso de cámaras , sonares , láser y tecnología de identificación por radiofrecuencia (RFID) [1] . Los cuatro métodos apuntan a tres procedimientos: detección, estimación y comparación.

Procesamiento de imágenes

La calidad de la imagen es importante en aplicaciones que requieren una visión robótica excelente. Los algoritmos basados ​​en la transformada wavelet que se utilizan para fusionar imágenes de diferentes espectros y focos dan como resultado una calidad de imagen mejorada. [2] Los robots pueden recopilar información más precisa a partir de la imagen mejorada resultante.

Uso

Los sensores visuales ayudan a los robots a identificar el entorno circundante y a tomar las medidas adecuadas. [3] Los robots analizan la imagen del entorno inmediato basándose en los datos que reciben del sensor visual. El resultado se compara con la imagen ideal, intermedia o final, de modo que se pueda determinar el movimiento o la acción adecuados para alcanzar el objetivo intermedio o final.

Tocar

[11]

Piel de robot

La piel electrónica se refiere a dispositivos electrónicos flexibles , estirables y autocurativos que pueden imitar las funcionalidades de la piel humana o animal. [12] [13] La amplia clase de materiales a menudo contiene capacidades de detección que tienen como objetivo reproducir las capacidades de la piel humana para responder a factores ambientales como los cambios de calor y presión. [12] [13] [14] [15]

Los avances en la investigación de la piel electrónica se centran en el diseño de materiales que sean elásticos, robustos y flexibles. La investigación en los campos individuales de la electrónica flexible y la detección táctil ha progresado mucho; sin embargo, el diseño de la piel electrónica intenta reunir los avances en muchas áreas de la investigación de materiales sin sacrificar los beneficios individuales de cada campo. [16] La combinación exitosa de propiedades mecánicas flexibles y elásticas con sensores y la capacidad de autocuración abriría la puerta a muchas aplicaciones posibles, incluida la robótica blanda , las prótesis, la inteligencia artificial y el control de la salud. [12] [16] [17] [18]

Los últimos avances en el campo de la piel electrónica se han centrado en la incorporación de los ideales de los materiales ecológicos y la conciencia medioambiental en el proceso de diseño. Como uno de los principales retos a los que se enfrenta el desarrollo de la piel electrónica es la capacidad del material para soportar la tensión mecánica y mantener la capacidad de detección o las propiedades electrónicas, la reciclabilidad y las propiedades de autocuración son especialmente críticas en el diseño futuro de nuevas pieles electrónicas. [19]

Tipos y ejemplos

Ejemplos del estado actual de progreso en el campo de las pieles de robots a mediados de 2022 son un dedo robótico cubierto con un tipo de piel humana viva fabricada , [20] [21] una piel electrónica que brinda sensaciones hápticas similares a las de la piel biológica y sensibilidad al tacto/dolor a una mano robótica, [22] [23] un sistema de una piel electrónica y una interfaz hombre-máquina que puede permitir la percepción táctil mediante detección remota y la detección portátil o robótica de muchas sustancias peligrosas y patógenos , [24] [25] y una piel de robot basada en hidrogel con sensor táctil multicapa . [26] [27]

Discriminación táctil

Primera mano protésica robótica, fabricada en 1963. En exposición pública en el principal centro comercial de Belgrado.

A medida que los robots y las prótesis se vuelven más complejos, la necesidad de sensores capaces de detectar el tacto con una alta agudeza táctil se hace cada vez más necesaria. Hay muchos tipos de sensores táctiles que se utilizan para diferentes tareas. [28] Hay tres tipos de sensores táctiles. El primero, los sensores de un solo punto, se pueden comparar con una sola célula, o bigotes, y pueden detectar estímulos muy locales. El segundo tipo de sensor es un sensor de alta resolución espacial que se puede comparar con la punta de un dedo humano y es esencial para la agudeza táctil en las manos robóticas. El tercer y último tipo de sensor táctil es un sensor de baja resolución espacial que tiene una agudeza táctil similar a la piel de la espalda o el brazo. [28] Estos sensores se pueden colocar de manera significativa en toda la superficie de una prótesis o un robot para darle la capacidad de detectar el tacto de manera similar, si no mejor, que su contraparte humana. [28]

Procesamiento de señales

Las señales sensoriales táctiles pueden generarse mediante los propios movimientos del robot. Es importante identificar solo las señales táctiles externas para realizar operaciones precisas. Las soluciones anteriores empleaban el filtro de Wiener , que se basa en el conocimiento previo de las estadísticas de señales que se supone que son estacionarias. La solución reciente aplica un filtro adaptativo a la lógica del robot. [4] Permite al robot predecir las señales de los sensores resultantes de sus movimientos internos, filtrando estas señales falsas. El nuevo método mejora la detección de contacto y reduce la interpretación falsa.

Uso

[29] Los patrones táctiles permiten a los robots interpretar las emociones humanas en aplicaciones interactivas. Cuatro características mensurables ( fuerza , tiempo de contacto, repetición y cambio de área de contacto) pueden categorizar eficazmente los patrones táctiles a través del clasificador de árbol de decisión temporal para tener en cuenta el retraso de tiempo y asociarlos a las emociones humanas con una precisión de hasta el 83 %. [5] El índice de consistencia [5] se aplica al final para evaluar el nivel de confianza del sistema para evitar reacciones inconsistentes.

Los robots utilizan señales táctiles para trazar el perfil de una superficie en un entorno hostil, como una tubería de agua. Tradicionalmente, se programaba una ruta predeterminada en el robot. Actualmente, con la integración de sensores táctiles , los robots primero adquieren un punto de datos aleatorio; luego, el algoritmo [6] del robot determinará la posición ideal de la siguiente medición de acuerdo con un conjunto de primitivas geométricas predefinidas. Esto mejora la eficiencia en un 42 %. [5]

En los últimos años, el uso del tacto como estímulo para la interacción ha sido objeto de muchos estudios. En 2010, se construyó la foca robot PARO, que reacciona a muchos estímulos de la interacción humana, incluido el tacto. Los beneficios terapéuticos de esta interacción entre humanos y robots aún se están estudiando, pero los resultados han sido muy positivos. [30]

Audiencia

Procesamiento de señales

Los sensores de audio precisos requieren una contribución de ruido interno baja. Tradicionalmente, los sensores de audio combinan matrices acústicas y micrófonos para reducir el nivel de ruido interno. Las soluciones recientes también combinan dispositivos piezoeléctricos . [7] Estos dispositivos pasivos utilizan el efecto piezoeléctrico para transformar la fuerza en voltaje , de modo que se pueda eliminar la vibración que causa el ruido interno. En promedio, se puede reducir el ruido interno hasta aproximadamente 7 dB . [7]

Los robots pueden interpretar el ruido dispersado como instrucciones de voz. El sistema actual de detección de actividad de voz (VAD) utiliza el método de centroide de círculo de espectro complejo (CSCC) y un formador de haz con una relación señal-ruido (SNR) máxima . [31] Debido a que los humanos generalmente miran a sus compañeros cuando mantienen conversaciones, el sistema VAD con dos micrófonos permite al robot localizar el discurso instructivo comparando las intensidades de la señal de los dos micrófonos. El sistema actual puede hacer frente al ruido de fondo generado por televisores y dispositivos de sonido que provienen de los lados.

Uso

Los robots pueden percibir emociones a través de la forma en que hablamos y las características y rasgos asociados. Generalmente, se utilizan características acústicas y lingüísticas para caracterizar las emociones. La combinación de siete características acústicas y cuatro características lingüísticas mejora el rendimiento del reconocimiento en comparación con el uso de un solo conjunto de características. [32]

Característica acústica

Característica lingüística

Olfato

La olfacción mecánica es la simulación automatizada del sentido del olfato . Es una aplicación emergente en la ingeniería moderna que implica el uso de robots u otros sistemas automatizados para analizar sustancias químicas transportadas por el aire. Este tipo de aparatos se denominan a menudo nariz electrónica o e-nose. El desarrollo de la olfacción mecánica se complica por el hecho de que los dispositivos de nariz electrónica hasta la fecha han respondido a un número limitado de sustancias químicas, mientras que los olores son producidos por conjuntos únicos de compuestos odorantes (potencialmente numerosos). La tecnología, aunque todavía se encuentra en las primeras etapas de desarrollo, promete muchas aplicaciones, como: [33] control de calidad en el procesamiento de alimentos , detección y diagnóstico en medicina, [34] detección de drogas , explosivos y otras sustancias peligrosas o ilegales , [35] respuesta a desastres y monitoreo ambiental .

Un tipo de tecnología de olfato de máquina propuesta es a través de instrumentos de matriz de sensores de gas capaces de detectar, identificar y medir compuestos volátiles. Sin embargo, un elemento crítico en el desarrollo de estos instrumentos es el análisis de patrones , y el diseño exitoso de un sistema de análisis de patrones para olfato de máquina requiere una consideración cuidadosa de los diversos problemas involucrados en el procesamiento de datos multivariados: preprocesamiento de señales, extracción de características , selección de características , clasificación , regresión, agrupamiento y validación. [36] Otro desafío en la investigación actual sobre olfato de máquina es la necesidad de predecir o estimar la respuesta del sensor a mezclas de aromas. [37] Algunos problemas de reconocimiento de patrones en olfato de máquina, como la clasificación de olores y la localización de olores, se pueden resolver utilizando métodos de kernel de series de tiempo. [38]

Gusto

La lengua electrónica es un instrumento que mide y compara sabores . Según el informe técnico de la IUPAC, una “lengua electrónica” como instrumento analítico incluye una serie de sensores químicos no selectivos con especificidad parcial para diferentes componentes de la solución y un instrumento de reconocimiento de patrones adecuado, capaz de reconocer composiciones cuantitativas y cualitativas de soluciones simples y complejas [39] [40]

Los receptores gustativos humanos detectan los compuestos químicos responsables del gusto . De manera similar, los sensores multielectrodo de los instrumentos electrónicos detectan los mismos compuestos orgánicos e inorgánicos disueltos . Al igual que los receptores humanos, cada sensor tiene un espectro de reacciones diferente al de los demás. La información proporcionada por cada sensor es complementaria y la combinación de los resultados de todos los sensores genera una huella digital única. La mayoría de los umbrales de detección de los sensores son similares o mejores que los de los receptores humanos.

En el mecanismo biológico, las señales gustativas son transducidas por los nervios del cerebro en señales eléctricas. El proceso de los sensores de lengua electrónicos es similar: generan señales eléctricas como variaciones voltamétricas y potenciométricas .

La percepción y el reconocimiento de la calidad del sabor se basan en la construcción o el reconocimiento de patrones de nervios sensoriales activados por el cerebro y la huella dactilar del sabor del producto. Este paso se logra mediante el software estadístico de la lengua electrónica , que interpreta los datos del sensor en patrones de sabor.

Por ejemplo, los robots cocineros podrían ser capaces de saborear los alimentos para una cocción dinámica. [41]

Percepción del movimiento

Robots en la RoboCup 2019

Uso

Los robots automatizados requieren un sistema de guía para determinar el camino ideal para realizar su tarea. Sin embargo, a escala molecular, los nanorobots carecen de dicho sistema de guía porque las moléculas individuales no pueden almacenar movimientos y programas complejos. Por lo tanto, la única forma de lograr movimiento en un entorno de este tipo es reemplazar los sensores con reacciones químicas. Actualmente, una araña molecular que tiene una molécula de estreptavidina como cuerpo inerte y tres patas catalíticas es capaz de arrancar, seguir, girar y detenerse cuando se encuentra con diferentes origamis de ADN . [8] Los nanorobots basados ​​en ADN pueden moverse a más de 100 nm a una velocidad de 3 nm/min. [8]

En una operación TSI , que es una forma eficaz de identificar tumores y cáncer potencial midiendo la presión distribuida en la superficie de contacto del sensor, una fuerza excesiva puede causar daño y tener la posibilidad de destruir el tejido. La aplicación del control robótico para determinar la trayectoria ideal de la operación puede reducir las fuerzas máximas en un 35% y obtener un aumento del 50% en la precisión [9] en comparación con los médicos humanos.

Actuación

La exploración robótica eficiente ahorra tiempo y recursos. La eficiencia se mide por la optimalidad y la competitividad. La exploración óptima de límites solo es posible cuando un robot tiene un área de detección cuadrada, comienza en el límite y utiliza la métrica de Manhattan . [10] En geometrías y entornos complicados, un área de detección cuadrada es más eficiente y puede lograr una mejor competitividad independientemente de la métrica y del punto de partida. [10]

Sentidos no humanos

Los robots no solo pueden estar equipados con mayor sensibilidad y capacidades por sentido que todos o la mayoría [42] de los humanos no cyborg , como ser capaces de "ver" más del espectro electromagnético, como el ultravioleta , y con mayor fidelidad y granularidad, [ cita(s) adicional(es) necesaria(s ) ], sino que también pueden tener más sentidos [ cita(s) adicional(es) necesaria (s) ], como la detección de campos magnéticos ( magnetorrecepción ) [43] o de varios componentes peligrosos del aire. [25]

Percepción y construcción de sentido colectivos

Los robots pueden compartir, [44] almacenar y transmitir datos sensoriales, así como datos basados ​​en ellos. Pueden aprender de los mismos datos o de datos relacionados o interpretarlos de diferentes maneras y algunos robots pueden tener sentidos remotos (por ejemplo, sin interpretación, procesamiento o computación local, como en los tipos comunes de telerrobótica o con "nodos de sensores" integrados [45] o móviles). [ cita(s) adicional(es) necesaria(s) ] El procesamiento de datos sensoriales puede incluir procesos como el reconocimiento facial , [46] el reconocimiento de expresiones faciales , [47] el reconocimiento de gestos y la integración de conocimiento abstracto interpretativo. [ cita(s) adicional(es) necesaria(s) ]

Véase también

Referencias

  1. ^ ab Roh SG, Choi HR (enero de 2009). "Sistema RFID basado en etiquetas 3D para el reconocimiento de objetos". IEEE Transactions on Automation Science and Engineering 6 (1): 55–65.
  2. ^ ab Arivazhagan S, Ganesan L, Kumar TGS (junio de 2009). "Un enfoque estadístico modificado para la fusión de imágenes mediante la transformación wavelet". Procesamiento de imágenes y vídeo de señales 3 (2): 137-144.
  3. ^ ab Jafar FA, et al (marzo de 2011). "Un método de navegación basado en características visuales ambientales para robots móviles autónomos". Revista internacional de informática, información y control innovadores 7 (3): 1341-1355.
  4. ^ ab Anderson S, et al (diciembre de 2010). "Cancelación adaptativa de señales sensoriales autogeneradas en un robot batidor". IEEE Transactions on Robotics 26 (6): 1065-1076.
  5. ^ abcd Kim YM, et al (agosto de 2010). "Un reconocimiento robusto de patrones táctiles en línea para la interacción dinámica entre humanos y robots". IEEE Transactions on Consumer Electronics 56 (3): 1979-1987.
  6. ^ ab Mazzini F, et al (febrero de 2011). "Mapeo robótico táctil de superficies desconocidas, con aplicación en pozos petrolíferos". IEEE Transactions on Instrumentation and Measurement 60 (2): 420-429.
  7. ^ abc Matsumoto M, Hashimoto S (2010). "Reducción de ruido interno mediante un dispositivo piezoeléctrico en condiciones de invisibilidad". Internatl (enero de 2011). "Búsqueda de los tipos de características más importantes que indican estados de usuario relacionados con las emociones en el habla". Computer Speech and Language 25 (1): 4-28.
  8. ^ abc Lund K, et al (mayo de 2010). "Robots moleculares guiados por paisajes prescriptivos". Nature 465 (7295): 206-210.
  9. ^ ab Trejos AL, et al (septiembre de 2009). "Detección táctil asistida por robot para la localización mínimamente invasiva de tumores". Revista internacional de investigación en robótica 28 (9): 1118-1133.
  10. ^ abc Czyzowicz J, Labourel A, Pelc A (enero de 2011). "Optimalidad y competitividad de la exploración de polígonos mediante robots móviles". Información y computación 209 (1): 74-88.
  11. ^ Dahiya, Ravinder S.; Valle, Maurizio (2013). Detección táctil robótica: tecnologías y sistemas. Springer. doi :10.1007/978-94-007-0579-1. ISBN. 9789400705784.
  12. ^ abc Benight, Stephanie J.; Wang, Chao; Tok, Jeffrey BH; Bao, Zhenan (2013). "Polímeros y dispositivos extensibles y autocurativos para piel electrónica". Progreso en la ciencia de polímeros . 38 (12): 1961–1977. doi :10.1016/j.progpolymsci.2013.08.001.
  13. ^ ab dos Santos, Andreia; Fortunato, Elvira; Martín, Rodrigo; Aguas, Hugo; Igreja, Rui (enero 2020). "Mecanismos de transducción, técnicas de microestructuración y aplicaciones de sensores electrónicos de presión cutánea: una revisión de los avances recientes". Sensores . 20 (16): 4407. Código Bib : 2020Senso..20.4407D. doi : 10.3390/s20164407 . PMC 7472322 . PMID  32784603. 
  14. ^ Chou, Ho-Hsiu; Nguyen, Amanda; Chortos, Alex; To, John WF; Lu, Chien; Mei, Jianguo; Kurosawa, Tadanori; Bae, Won-Gyu; Tok, Jeffrey B.-H. (24 de agosto de 2015). "Una piel electrónica elástica inspirada en el camaleón con cambio de color interactivo controlado por detección táctil". Nature Communications . 6 : 8011. Bibcode :2015NatCo...6.8011C. doi :10.1038/ncomms9011. PMC 4560774 . PMID  26300307. 
  15. ^ Hou, Chengyi; Huang, Tao; Wang, Hongzhi; Yu, Hao; Zhang, Qinghong; Li, Yaogang (5 de noviembre de 2013). "Una película autorreparadora fuerte y elástica con sensibilidad a la presión autoactivada para posibles aplicaciones en piel artificial". Scientific Reports . 3 (1): 3138. Bibcode :2013NatSR...3E3138H. doi :10.1038/srep03138. ISSN  2045-2322. PMC 3817431 . PMID  24190511. 
  16. ^ ab Hammock, Mallory L.; Chortos, Alex; Tee, Benjamin C.-K.; Tok, Jeffrey B.-H.; Bao, Zhenan (1 de noviembre de 2013). "Artículo del 25.º aniversario: La evolución de la piel electrónica (E-Skin): una breve historia, consideraciones de diseño y progreso reciente". Materiales avanzados . 25 (42): 5997–6038. Código Bibliográfico :2013AdM....25.5997H. doi : 10.1002/adma.201302240 . ISSN  1521-4095. PMID  24151185. S2CID  205250986.
  17. ^ Bauer, Siegfried; Bauer-Gogonea, Simona; Graz, Ingrid; Kaltenbrunner, Martin; Keplinger, Christoph; Schwödiauer, Reinhard (1 de enero de 2014). "Artículo del 25.º aniversario: Un futuro blando: desde robots y piel con sensores hasta recolectores de energía". Materiales avanzados . 26 (1): 149–162. Código Bibliográfico :2014AdM....26..149B. doi :10.1002/adma.201303349. ISSN  1521-4095. PMC 4240516 . PMID  24307641. 
  18. ^ Tee, Benjamin CK.; Wang, Chao; Allen, Ranulfo; Bao, Zhenan (diciembre de 2012). "Un compuesto autorreparador eléctrico y mecánico con propiedades sensibles a la presión y a la flexión para aplicaciones electrónicas en la piel". Nature Nanotechnology . 7 (12): 825–832. Bibcode :2012NatNa...7..825T. doi :10.1038/nnano.2012.192. ISSN  1748-3395. PMID  23142944.
  19. ^ Zou, Zhanan; Zhu, Chengpu; Li, Yan; Lei, Xingfeng; Zhang, Wei; Xiao, Jianliang (1 de febrero de 2018). "Piel electrónica reciprocable, totalmente reciclable y maleable gracias a un nanocompuesto termoendurecible covalente dinámico". Science Advances . 4 (2): eaaq0508. Bibcode :2018SciA....4..508Z. doi :10.1126/sciadv.aaq0508. ISSN  2375-2548. PMC 5817920 . PMID  29487912. 
  20. ^ Temming, Maria (9 de junio de 2022). "Los científicos crearon piel humana viva alrededor de un dedo robótico". Noticias de ciencia . Consultado el 20 de julio de 2022 .
  21. ^ Kawai, Michio; Nie, Minghao; Oda, Haruka; Morimoto, Yuya; Takeuchi, Shoji (6 de julio de 2022). "Piel viva en un robot". Materia . 5 (7): 2190–2208. doi : 10.1016/j.matt.2022.05.019 . ISSN  2590-2393.
  22. ^ Barker, Ross (1 de junio de 2022). «La piel artificial capaz de sentir dolor podría dar lugar a una nueva generación de robots sensibles al tacto». Universidad de Glasgow . Consultado el 20 de julio de 2022 .
  23. ^ Liu, Fengyuan; Deswal, cariño; Christou, Adamos; Shojaei Baghini, Mahdieh; Chirila, Radu; Shakthivel, Dhayalan; Chakraborty, Moupali; Dahiya, Ravinder (junio de 2022). "Piel electrónica impresa basada en transistores sinápticos para que los robots sientan y aprendan" (PDF) . Robótica científica . 7 (67): eabl7286. doi : 10.1126/scirobotics.abl7286. ISSN  2470-9476. PMID  35648845. S2CID  249275626.
  24. ^ Velasco, Emily (2 de junio de 2022). «La piel artificial otorga a los robots el sentido del tacto y más». Instituto Tecnológico de California . Consultado el 20 de julio de 2022 .
  25. ^ ab Yu, tú; Li, Jiahong; Salomón, Samuel A.; Min, Jihong; Tu, Jiaobing; Guo, Wei; Xu, Changhao; Canción, Yu; Gao, Wei (1 de junio de 2022). "Interfaz hombre-máquina suave totalmente impresa para detección fisicoquímica robótica". Robótica científica . 7 (67): eabn0495. doi : 10.1126/scirobotics.abn0495. ISSN  2470-9476. PMC 9302713 . PMID  35648844. 
  26. ^ Yirka, Bob (9 de junio de 2022). "La piel elastomérica biomimética del robot tiene capacidades de detección táctil". Tech Xplore . Consultado el 23 de julio de 2022 .
  27. ^ Park, K.; Yuk, H.; Yang, M.; Cho, J.; Lee, H.; Kim, J. (8 de junio de 2022). "Una piel robótica elastomérica biomimética que utiliza impedancia eléctrica y tomografía acústica para detección táctil". Science Robotics . 7 (67): eabm7187. doi :10.1126/scirobotics.abm7187. ISSN  2470-9476. PMID  35675452. S2CID  249520303.
  28. ^ abc S. Luo; J. Bimbo; R. Dahiya; H. Liu (diciembre de 2017). "Percepción táctil robótica de propiedades de objetos: una revisión". Mechatronics . 48 : 54–67. arXiv : 1711.03810 . Bibcode :2017arXiv171103810L. doi :10.1016/j.mechatronics.2017.11.002. S2CID  24222234.
  29. ^ http://www.robotcub.org/misc/papers/10_Dahiya_etal.pdf [ URL básica PDF ]
  30. ^ Archivado en Ghostarchive y Wayback Machine: "Lindo robot foca bebé - Robot terapéutico PARO #DigInfo". YouTube .
  31. ^ Kim HD, et al (2009). "Detección y separación del habla del objetivo para la comunicación con robots humanoides en entornos domésticos ruidosos". Advanced Robotics 23 (15): 2093-2111.
  32. ^ Batliner A, et al (enero de 2011). "Búsqueda de los tipos de características más importantes que indican estados de ánimo relacionados con las emociones en el habla". Computer Speech and Language 25 (1): 4-28.
  33. ^ "Número especial sobre olfato de máquinas". IEEE Sensors Journal . 11 (12): 3486. 2011. Bibcode :2011ISenJ..11.3486.. doi :10.1109/JSEN.2011.2167171.
  34. ^ Geffen, Wouter H. van; Bruins, Marcel; Kerstjens, Huib AM (1 de enero de 2016). "Diagnóstico de infecciones respiratorias virales y bacterianas en exacerbaciones agudas de EPOC mediante una nariz electrónica: un estudio piloto". Journal of Breath Research . 10 (3): 036001. Bibcode :2016JBR....10c6001V. doi : 10.1088/1752-7155/10/3/036001 . ISSN  1752-7163. PMID  27310311.
  35. ^ Stassen, yo; Bueken, B.; Reinsch, H.; Oudenhoven, JFM; Wouters, D.; Hajek, J.; Van Speybroeck, V.; Valores, N.; Vereecken, PM; Van Schaijk, R.; De Vos, D.; Ameloot, R. (2016). "Hacia sensores químicos de efecto de campo basados ​​en estructuras metal-orgánicas: UiO-66-NH2 para la detección de agentes nerviosos". Química. Ciencia . 7 (9): 5827–5832. doi :10.1039/C6SC00987E. hdl :1854/LU-8157872. PMC 6024240 . PMID  30034722. 
  36. ^ Gutierrez-Osuna, R. (2002). "Análisis de patrones para olfacción de máquinas: una revisión". IEEE Sensors Journal . 2 (3): 189–202. Bibcode :2002ISenJ...2..189G. doi :10.1109/jsen.2002.800688.
  37. ^ Phaisangittisagul, Ekachai; Nagle, H. Troy (2011). "Predicción de las respuestas de la mezcla de olores en sensores de olfato de máquinas". Sensores y actuadores B: Química . 155 (2): 473–482. Bibcode :2011SeAcB.155..473P. doi :10.1016/j.snb.2010.12.049.
  38. ^ Vembu, Shankar; Vergara, Alexander; Muezzinoglu, Mehmet K.; Huerta, Ramón (2012). "Sobre las características de las series temporales y los núcleos para la olfacción de máquinas". Sensores y actuadores B: Química . 174 : 535–546. Código Bibliográfico :2012SeAcB.174..535V. doi :10.1016/j.snb.2012.06.070.
  39. ^ Vlasov, Yu; Legín, A.; Rudnítskaya, A.; Natale, C. Di; D'Amico, A. (1 de enero de 2005). "Matrices de sensores no específicos ("lengua electrónica") para análisis químico de líquidos (Informe técnico IUPAC)". Química Pura y Aplicada . 77 (11): 1965–1983. doi : 10.1351/pac200577111965 . ISSN  0033-4545. S2CID  109659409.
  40. ^ Khalilian, Alireza; Khan, Md. Rajibur Rahaman; Kang, Shin-Won (2017). "Sensor de sabor de fibra óptica pulido lateralmente, altamente sensible y de amplio rango dinámico". Sensores y actuadores B: Química . 249 : 700–707. doi :10.1016/j.snb.2017.04.088.
  41. ^ Sochacki, Grzegorz; Abdulali, Arsen; Iida, Fumiya (2022). "Clasificación basada en el sabor mejorada por masticación de platos con múltiples ingredientes para la cocina robótica". Frontiers in Robotics and AI . 9 : 886074. doi : 10.3389/frobt.2022.886074 . ISSN  2296-9144. PMC 9114309 . PMID  35603082. 
    • Nota de prensa: «El sabor del futuro: un robot cocinero aprende a «probar» sobre la marcha». Universidad de Cambridge .
  42. ^ "Supervidentes: por qué algunas personas pueden ver la luz ultravioleta". New Scientist . 4 de diciembre de 2019 . Consultado el 4 de agosto de 2022 .
  43. ^ Cañón Bermúdez, Gilbert Santiago; Fuchs, Hagen; Bischoff, Lothar; Fassbender, Jürgen; Makarov, Denys (noviembre de 2018). "Brújulas electrónicas de piel para magnetorrecepción artificial impulsada por campos geomagnéticos y electrónica interactiva". Nature Electronics . 1 (11): 589–595. doi :10.1038/s41928-018-0161-6. ISSN  2520-1131. S2CID  125371382.
  44. ^ Varadharajan, Vivek Shankar; St-Onge, David; Adams, Bram; Beltrame, Giovanni (1 de marzo de 2020). "SOUL: intercambio de datos para enjambres de robots" (PDF) . Robots autónomos . 44 (3): 377–394. doi :10.1007/s10514-019-09855-2. ISSN  1573-7527. S2CID  182651100.
  45. ^ Scholl, Philipp M.; Brachmann, Martina; Santini, Silvia; Van Laerhoven, Kristof (2014). "Integración de nodos de sensores inalámbricos en el sistema operativo del robot". Robots cooperativos y redes de sensores 2014 . Estudios en inteligencia computacional. Vol. 554. Springer. págs. 141–157. doi :10.1007/978-3-642-55029-4_7. ISBN 978-3-642-55028-7.
  46. ^ Vincent, James (14 de noviembre de 2019). «Los robots de seguridad son dispositivos de vigilancia móviles, no sustitutos humanos». The Verge . Consultado el 4 de agosto de 2022 .
  47. ^ Melinte, Daniel Octavian; Vladareanu, Luige (23 de abril de 2020). "Reconocimiento de expresiones faciales para la interacción humano-robot utilizando redes neuronales convolucionales profundas con optimizador Adam rectificado". Sensores . 20 (8): 2393. Bibcode :2020Senso..20.2393M. doi : 10.3390/s20082393 . PMC 7219340 . PMID  32340140. 

Enlaces externos