به نقل از newscientist، انگشت هوشمند از حسگرهایی برای تشخیص موادی مانند شیشه، سیلیکون و چوب با دقت بیش از ۹۰ درصد استفاده می‌کند که می‌تواند برای کار‌های ساخت رباتیک مفید باشد.
یک انگشت مصنوعی می‌تواند مواد مختلف را با دقت بیش از ۹۰ درصد شناسایی کند. این فناوری می‌تواند برای خودکارسازی وظایف تولید رباتیک، مانند مرتب سازی و کنترل کیفیت مفید باشد.
حسگر‌های لمسی که می‌توانند اطلاعاتی در مورد سطوح مانند فشار یا دما به دست آورند، جدید نیستند، اما حسگرهایی که می‌توانند نوع و ناهمواری سطوح را تشخیص دهند، کمتر رایج هستند.
دان لو از موسسه نانوانرژی و نانوسیستم‌های آکادمی علوم چین و همکارانش، انگشتی ابداع کرده‌اند که می‌تواند با استفاده از حسگر‌های «تریبوالکتریک» برای آزمایش توانایی آن در به دست آوردن یا از دست دادن الکترون و تشخیص ناهمواری آن، تشخیص دهد که از چه ماده‌ای ساخته شده است. بدون اینکه آسیبی به آن وارد شود.
این انگشت مصنوعی هنگامی که روی صد‌ها نمونه از ۱۲ ماده مانند چوب، شیشه، پلاستیک و سیلیکون آزمایش و با تجزیه و تحلیل داده‌های مبتنی بر یادگیری ماشین ترکیب شد، دقت متوسط آن ۹۶.۸ درصد و حداقل ۹۰ درصد برای همه موارد رسید.
این دستگاه از چهار حسگر مربع کوچک تشکیل شده است که هر کدام از یک پلیمر پلاستیکی متفاوت ساخته شده‌اند که به دلیل خواص الکتریکی متفاوتشان انتخاب شده‌اند.
این حسگر‌ها که در یک محفظه انگشت مانند قرار دارند، سپس به یک پردازنده و یک صفحه ال‌ای دی ارگانیک متصل می‌شوند که نام نوع ماده شناسایی شده را نمایش می‌دهد. در یک محیط صنعتی، پردازنده می‌تواند به طور مستقیم به مکانیزم کنترل تولید متصل شود. لو می‌گوید: انگشتان هوشمند می‌تواند به ربات‌ها کمک کند تا بررسی کنند که آیا محصولات از نظر ترکیب و ساختار سطحی استاندارد‌های تولید را برآورده می‌کنند یا خیر، سیستم ما همچنین می‌تواند نقش مهمی در مرتب سازی مواد صنعتی ایفا کند.
بن وارد چریر از دانشگاه بریستول انگلیس می‌گوید اگر کارآیی این انگشت در هزار نمونه اثبات شود، توانایی سنسور برای تمایز بین مواد می‌تواند آن را برای کار‌هایی مانند کنترل کیفیت در تولید مناسب کند؛ با این حال زمانی که با سنسور‌های دیگری ترکیب شود که می‌توانند چیز‌هایی مانند لبه‌ها یا اصطکاک را تشخیص دهند، احتمالا موثرتر خواهد بود.
بیشتر بخوانید
تامار ماکین از دانشگاه کمبریج می‌گوید این دستگاه می‌تواند برای پروتز‌های مصنوعی استفاده شود، اما بعید است که برای آن مفید باشد؛ برای فناوری که تحت کنترل انسان است، ما به این سطح از پیچیدگی نیاز نداریم.