OptiGapセンサーシステム開発に関するR&Dケーススタディ
- この記事では、筆者の博士論文研究の中核要素である新しいセンサーシステム OptiGap の研究開発プロセスを探る
- ストーリーテリング形式で、意思決定プロセスと最終実装に至るまでの進化の過程についての洞察を提供することを目的としている
- 博士研究の、ときに隠された世界を垣間見る機会を提供し、このプロセスに好奇心を持つ人々の関心を引くことができるだろう
- このテーマに関する技術的詳細、シミュレーション、既存研究についてさらに知りたい場合は、筆者の学位論文をオンラインで閲覧できる
OptiGapセンサーシステムの機能
- ごく一般的な表現をすると、このセンサーは基本的に、曲げられたときに長さ方向のどこが曲がったかを教えてくれるロープのようなもの
- これを「曲げ位置推定(bend localization)」と呼ぶ
- OptiGap の応用分野は主に、従来型センサーの使用がしばしば実用的でない柔軟な（あるいは「やわらかい」）システムを含むソフトロボティクス領域にある
- OptiGap という名前は「optical」と「gap」を組み合わせたもので、曲げ位置推定に不可欠な符号化パターンを生成するために、柔軟な光パイプ内の空気ギャップを活用する中核原理を反映している
OptiGapセンサーシステムの始まり
- 筆者が曲げ検知センサーとして使うために、さまざまな光パイプ（光ケーブル）を通る光伝送を実験していた際に OptiGap のアイデアが生まれた
- 当初は、光ファイバーを通る光を効果的に「遅くする」方法を探ろうとしていた
- この過程で、筆者は実験のために透明な3Dプリンタ用フィラメント（1.75mm TPU）の断片を巻尺に取り付け、偶然にも電気テープが貼られた地点で巻尺（およびフィラメント）を曲げると光伝送が大きく低下することを発見した
- これは、電気テープの粘着性の残留物がフィラメントを伸びやすくし、光伝送を低下させるためだという仮説を立てた
- 仮説を検証するため、筆者は巻尺により長い TPU 片を取り付け、光伝送がどう変わるかを観察するためにさまざまな地点で曲げ始めた
OptiGapの実現
- 筆者は、光減衰が起こる位置を制御できるため、それを利用してセンサーの曲げ位置に関する情報をエンコードできると気づいた
- 電気テープを使うのは実用的な解決策ではなかったため、筆者はこの減衰を作り出す、より信頼性が高く一貫した方法を探し始めた
- そこから、フィラメントを切断し、柔軟なゴム（シリコン）スリーブを使って小さな空気ギャップを残したまま再接続するというアイデアに至った
- 空気ギャップの主要な動作原理は、一方の光パイプ面をもう一方に対して相対的に移動および/または回転させると、ギャップを横切って伝送される光の割合が変化するというもの
- 曲げ角度が大きいほど、ギャップを横切ってより多くの光が逃げる
- 光信号強度の結果的な変化は、既知のパターンと関連付けることでセンサーとして利用できる
大きなアイデア
- 筆者は、一直線上に複数の空気ギャップを作り、減衰を測定するためにフィラメントを曲げることでこのアイデアを検証した
- 光強度は各空気ギャップで低下し、曲げ角度が大きくなるほどより顕著に低下した
- この初期実験は概念実証として機能し、アイデアの実現可能性を示した
- これは、センサーの曲げに関する情報をエンコードするためにこれらの空気ギャップパターンを活用し、マイクロコントローラ上でナイーブベイズ分類器を使って曲げ位置をデコードするという最終的な仮説の導出につながった
- この概念はリニアエンコーダの機能に類似している
- OptiGap システムは絶対エンコーダのように動作し、並列光パイプに沿った曲げ感応型の空気ギャップパターンを使って絶対位置をエンコードし、実質的に単一光ファイバーセンサーとして機能する
逆グレイコードを用いた曲げ位置エンコーディング
- 逆グレイコードは、連続する2つの値が最大で (n-1) ビットだけ異なる二進コード
- これを実装するため、逆グレイコード列で
1 がある場所ごとにフィラメントへ切れ目を入れた
- このアプローチは任意のビット数へ拡張可能
- プロトタイプでは 3 ビットを使用し、8 つの可能な位置を提供した
OptiGapセンサーシステムの可視化
- 図は、3本の光ファイバーを用いて各曲げ位置に対する OptiGap センサーシステムの信号パターンを示している
- ナイーブベイズ分類器を使うことで、センサーシステムは信号パターンに基づいて曲げ位置を識別できる
- 3つ目のグラフは、プロトタイプシステムで取得した実際のセンサーデータを示しており、マイクロコントローラ上で分類器を学習させるために使用された
OptiGapプロトタイプ
- 筆者は、それぞれ固有の空気ギャップパターンを持つ透明な TPU 3Dプリンタ用フィラメント 3 本を用いて、OptiGap センサーシステムのプロトタイプを製作した
- 市販の 3:1 光ファイバーカプラを使って3本分の光を単一の光ファイバーケーブルへ統合し、センサープロトタイプを完成させた
- これは、OptiGap センサーの背後にある仮説と動作理論を検証する最終段階を示している
物理サイズの縮小
- 初期プロトタイプは、使用した3Dプリンタ用フィラメントのサイズのために大きくかさばることが判明した
- これまでの経験から、PMMA（プラスチック）光ファイバーがこの用途に適した、より小型で柔軟な代替手段を提供すると認識した
- その結果、センサーストランド向けに Industrial Fiber Optics, Inc. の 500、750、1000 ミクロンの被覆なし PMMA 光ファイバーを評価し、センサーサイズを大幅に小さくした
- 3種類の光ファイバーについて、光伝送と柔軟性を評価する試験を実施した
- その中では 500 ミクロン光ファイバーが総合的に最適な選択肢として現れたが、3種類すべてがこの用途に十分な柔軟性を示した
光トランシーバの複雑さの低減
- システムの複雑さを減らし、モジュール性を高めるため、複雑な VL53L0X ToF センサーの代わりに、シンプルなフォトダイオードと IR LED の構成を使うことにした
- これにより、マイクロコントローラを使ってセンサーデータを読み取れるようになり、初期プロトタイプに比べて大きな改善となった
- その後、STM32 マイクロコントローラとフォトダイオード/IR LED 構成に基づくセンサー用デモシステムを構築した
マイクロコントローラ上でのリアルタイム機械学習
- OptiGap センサーシステム開発の最終段階には、センサーデータから曲げ位置をデコードするために STM32 マイクロコントローラへナイーブベイズ分類器を統合する作業が含まれていた
- if 文やルックアップテーブルと比べて効率が高く、新しいデータやこれまで見たことのないデータを処理でき、複数の入力変数間の関係を考慮することで精度向上の可能性があるため、ナイーブベイズ分類器を選択した
- ナイーブベイズ分類器の実装は比較的簡単であることが分かった
- この分類器は、測定値を特定クラスへどのように割り当てられるかを決定するためにベイズの定理を適用する確率モデルであり、この文脈におけるクラスは曲げ位置を表す
- 分類器実装には Arm CMSIS-DSP ライブラリを活用した
センサーデータのフィッティング
- 分類器を統合する最初のステップは、各空気ギャップパターンについてセンサーデータをガウス分布にフィットさせること
- このプロセスを高速化するため、scikit-learn ライブラリの GNB (Gaussian Naive Bayes) を用いてデータを迅速にラベル付けし、フィッティングするための Python GUI を開発した
- その後、この UI をより汎用的に改善し、より複雑なデータフィッティングを可能にした
- 各クラスの確率を計算し、マイクロコントローラで使えるようヘッダとして保存した
センサーデータのフィルタリング
- 分類器の精度を高めるため、STM32 上で2段階のフィルタリングプロセスを実装した
- 初期段階には基本的な移動平均フィルタが含まれ、第2段階ではカルマンフィルタを使用した
OptiGapセンサーシステムのデモ
- 提供された GIF は、組み立てと最終センサーシステムの動作デモを含む、OptiGap センサーシステムのさまざまな段階を示している
OptiGap設計仕様
次のステップ
- ここに記録した内容を超えて、OptiGap システムではかなりの進展があった
- EneGate と呼ばれるモジュール型駆動・センシングシステムへの統合作業などが含まれる
- これはカスタム PCB 設計およびシステム統合に関わるもので、学位論文で詳述されている
- また、EneGate システム用 PCB とインターフェースするための小型 PCB 版光学系もプロトタイプ化した
- 実際のソフトロボットシステムで OptiGap の有効性を検証しており、詳細は「ねじれビーム構造における動的挙動監視のための埋め込み光導波路センサー」という題名の RoboSoft 論文で発表予定
商用化
GN⁺の意見
- OptiGap センサーシステムは、ソフトロボット分野で既存センサーでは把握が難しかった曲げ位置を検知できる革新的な技術に見える。柔軟性が求められるさまざまなシステム
1件のコメント
Hacker Newsの意見
以下は、Hacker Newsのコメントから重要なポイントを、中立的かつ情報的なトーンで要約したものです。
素材をより「自己認識的」あるいは検査可能にするという全体的な発想は、巧妙でSF的なコンセプトとして好意的に受け止められています。
あるコメント投稿者の過去の研究では、複素数値ニューラルネットを使って光ファイバーの伝送行列を学習しており、これはファイバーを曲げるたびに新しい行列を再学習する必要があるという点でこの研究に関連しています。ファイバーの形状をモデル化するために、パラメータ化された特性表現を学習できる可能性があります。
この研究は綿密で、文書化もしっかりしているようです。指導教員のCindy Harnettは、時間領域反射測定法との概念的な類似性をおそらく認識しているだろうと見られています。
センサーが複数の曲がりにどう対応するのかについて疑問があります。現在の構成では、複数の曲がりがあると対数減衰の総和になるように見え、識別のためには曲がり位置の数だけストランドが必要になる可能性があります。これが単一の曲がりのケースだけを想定しているのかどうか、明確化が必要です。
技術的な改良によって、この技術は高精度で量産可能になる可能性があります。応用例としては、ロボット向けの低コストな2Dまたは3Dタッチセンサー、柔軟なチューブ向けの方向感度を持つ固有受容感覚、局所的な温度差の検出などが挙げられています。
この技術は、指や手の曲がりに基づいてキープレスをトリガーするためにチューブ内に光を通していたNintendo Power Gloveに似ているようです。
素晴らしい指導教員がいることが、つらい経験と良い経験を分ける要素だと強調されています。
あるコメント投稿者は、このセンサー（または複数のセンサーの組み合わせ）を使って、ボールを打つ必要のないゴルフ用ローンチモニター向けにゴルフクラブのスイングを正確に検出したいと考えています。
改善案としては次のようなものがあります。
この研究は、さまざまな監視用途で光ファイバーケーブルを用いる分散型音響センシング（DAS）を別のコメント投稿者に思い起こさせていますが、ソフトロボティクスで使われている例はこれまで見たことがないとのことです。
各接合部で
log2本のファイバーと異なるエンコーディングが必要になるという製造上の課題は認識されていますが、研究段階・概念実証段階では問題とは見なされていません。