Neuromorpher Tastsinn
Neuromorpher Tastsinn
{{#ev:youtube|https://www.youtube.com/watch?v=tZv5hrg-jMA%7C500%7Ccenter}}
Einleitung
Neuromorpher Tastsinn beschreibt technische Systeme, die den biologischen Tastsinn nicht nur messen, sondern nach dem Vorbild des Nervensystems verarbeiten. Im Mittelpunkt steht die Frage, wie Roboter Berührung, Druck, Vibration, Scherkräfte, Textur, Temperatur oder ein beginnendes Abrutschen eines Gegenstands so schnell und energiesparend erkennen können, dass daraus eine sinnvolle Handlung entsteht. Der Begriff verbindet Neuromorphic Engineering, taktile Wahrnehmung, Sensorik, Robotik, Künstliche Intelligenz, spikende neuronale Netze und Mensch-Maschine-Interaktion.
Bei klassischen Sensoren werden Messwerte häufig in festen Zeitabständen erfasst, gespeichert und anschließend von einem Computer ausgewertet. Neuromorphe Systeme arbeiten anders: Sie orientieren sich daran, dass biologische Neuronen vor allem dann Signale senden, wenn sich etwas Relevantes ändert. Ein neuromorpher taktiler Sensor kann Berührungsänderungen daher als Ereignisse oder Spikes codieren. Das führt zu einem sparsamen Datenstrom, der besonders für schnelle Regelkreise in der Robotik wichtig ist.
Warum ist das bedeutsam? Ein Mensch kann einen rutschenden Becher oft festhalten, bevor er bewusst darüber nachdenkt. Die Haut registriert kleinste Veränderungen, das Nervensystem verarbeitet sie parallel, und die Muskeln passen die Greifkraft an. Für Roboter ist genau diese Kombination schwierig: Sie müssen berühren, interpretieren, entscheiden und handeln. Neuromorpher Tastsinn versucht, diese Lücke zu schließen.
Lernziele
Nach diesem aiMOOC kannst Du erklären, was Neuromorphic Engineering bedeutet und wie es auf den Tastsinn übertragen wird. Du kannst beschreiben, warum taktile Sensorik für Roboter wichtig ist, wie ereignisbasierte Verarbeitung funktioniert und welche Chancen sowie Grenzen neuromorpher taktiler Systeme haben. Außerdem kannst Du einfache Anwendungen entwerfen, bewerten und ethische Fragen diskutieren.
Vom biologischen Tastsinn zur technischen Haut
Der menschliche Tastsinn als Vorbild
Der menschliche Tastsinn ist kein einzelner Messkanal. Er entsteht aus vielen spezialisierten Rezeptoren in Haut, Muskeln, Sehnen und Gelenken. Für die Robotik besonders wichtig sind Mechanorezeptoren, weil sie mechanische Reize wie Druck, Dehnung und Vibration aufnehmen. Hinzu kommen Propriozeption, Thermorezeption und Nozizeption, die im Menschen weitere Informationen über Körperlage, Temperatur und mögliche Schädigung liefern.
In der haptischen Wahrnehmung wird ein Gegenstand aktiv ertastet. Ein Finger gleitet über eine Oberfläche, drückt stärker oder schwächer, verändert die Richtung und sammelt dabei Informationen. Dabei entstehen Muster: Eine raue Oberfläche erzeugt andere Vibrationen als eine glatte; ein weicher Gegenstand verformt sich anders als ein harter; ein rutschender Gegenstand erzeugt kleine Scherbewegungen. Neuromorphe Robotik versucht, solche Muster technisch nutzbar zu machen.
Taktile Sensorik in der Robotik
Taktile Sensorik meint technische Systeme, die Berührung messbar machen. Ein Roboterfinger kann beispielsweise mit Drucksensoren, kapazitiven Sensoren, piezoresistiven Sensoren, piezoelektrischen Sensoren, optischen Sensoren oder flexibler elektronischer Haut ausgestattet sein. Die kleinste einzelne Messeinheit eines taktilen Sensorfeldes wird häufig als Taxel bezeichnet. Ein großer Vorteil vieler Taxel besteht darin, dass sie Berührung räumlich auflösen können: Der Roboter erkennt nicht nur, dass etwas berührt wird, sondern auch wo.
Taktile Robotik benötigt diese Informationen für viele Aufgaben: Greifen, Sortieren, Drücken, Fügen, Montieren, Pflegen, Assistieren, Erkennen von Materialeigenschaften und sichere Interaktion mit Menschen. Ohne Tastsinn bleibt ein Roboter oft auf Sicht angewiesen. Das ist problematisch, wenn ein Objekt verdeckt ist, Licht fehlt oder die entscheidende Information erst beim Kontakt entsteht.
Was bedeutet neuromorph?
Grundidee des Neuromorphic Engineering
Neuromorphic Engineering ist ein interdisziplinärer Ansatz, bei dem technische Systeme Prinzipien biologischer Nervensysteme nachbilden. Dabei geht es nicht darum, das Gehirn vollständig zu kopieren. Entscheidend ist vielmehr, nützliche Prinzipien zu übernehmen: parallele Verarbeitung, lokale Entscheidung, Anpassungsfähigkeit, geringe Leistungsaufnahme, robuste Verarbeitung verrauschter Signale und Lernen aus zeitlichen Mustern.
In der Informatik wird oft zwischen klassischer Von-Neumann-Architektur und neuromorpher Verarbeitung unterschieden. Klassische Computer trennen Speicher und Rechenwerk meist deutlich. Neuromorphe Systeme versuchen dagegen, Speicherung, Verarbeitung und Signalübertragung stärker zu verbinden. Das kann besonders dann hilfreich sein, wenn viele Sensordaten direkt am Ort ihrer Entstehung verarbeitet werden sollen, also am sogenannten Edge.
Spikes statt Datenflut
Ein spikendes neuronales Netz verarbeitet Informationen in Form kurzer Impulse. Diese Impulse werden häufig Spikes genannt. Für den neuromorphen Tastsinn ist das attraktiv, weil Berührung oft zeitlich sehr schnell variiert. Ein rutschender Gegenstand erzeugt kurze Vibrationen; ein Stoß erzeugt einen plötzlichen Impuls; eine Textur erzeugt beim Darübergleiten ein charakteristisches zeitliches Muster.
Statt jedes Pixel oder jedes Taxel ständig auszulesen, kann ein neuromorphes System nur Änderungen melden. Dieses Prinzip heißt Ereignisbasierte Verarbeitung. Es spart Daten, kann sehr schnell reagieren und passt gut zu Robotern, die in Echtzeit handeln müssen. Besonders relevant ist das bei Greifbewegungen: Wenn ein Objekt zu rutschen beginnt, zählt jede Millisekunde.
Aufbau eines neuromorphen Tastsystems
Vom Reiz zur Handlung
Ein neuromorphes taktiles System kann als Kette verstanden werden. Zuerst wirkt ein mechanischer Reiz auf eine künstliche Haut oder einen Sensor. Dann wird dieser Reiz in ein elektrisches Signal umgewandelt. Anschließend codiert eine Schaltung oder ein Algorithmus die Veränderung als Ereignis oder Spike. Ein neuronales Netz oder eine neuromorphe Hardware erkennt Muster. Schließlich verändert der Roboter seine Bewegung, etwa durch Anpassung der Greifkraft.
- Mechanischer Reiz: Ein Objekt drückt, gleitet, vibriert oder verformt die Sensoroberfläche.
- Signaltransduktion: Das Material oder die Sensorstruktur wandelt die Verformung in ein elektrisches Signal um.
- Spike-Codierung: Änderungen werden als kurze Ereignisse oder Impulse dargestellt.
- Mustererkennung: Ein spikendes Netz erkennt Berührung, Textur, Kante, Rutschen oder Materialeigenschaft.
- Regelungstechnik: Der Roboter passt seine Bewegung an, zum Beispiel durch stärkeres oder schwächeres Greifen.
Sensorprinzipien
Neuromorpher Tastsinn ist nicht an ein einziges Material gebunden. Unterschiedliche Sensorprinzipien können neuromorph ausgewertet werden. Piezoelektrische Sensoren reagieren besonders gut auf Druckänderungen und Vibrationen. Kapazitive Sensoren messen Änderungen elektrischer Kapazität durch Berührung oder Verformung. Piezoresistive Sensoren verändern ihren elektrischen Widerstand bei mechanischer Belastung. Optische taktile Sensoren beobachten die Verformung einer elastischen Oberfläche, oft mithilfe einer Kamera. Wird eine Ereignisbasierte Kamera genutzt, kann auch ein optischer taktiler Sensor neuromorph arbeiten.
Ein Forschungsbeispiel ist ein eventbasierter optischer Tastsensor, bei dem statt einer gewöhnlichen Kamera eine ereignisbasierte Kamera verwendet wird. Dadurch werden vor allem Veränderungen der Oberfläche erfasst. Solche Ansätze sind für schnelle Aufgaben wie Rutscherkennung, Texturerkennung und Greifregelung interessant.
Neuromorphe Hardware und Edge-Verarbeitung
Bei taktilen Robotern entstehen viele Daten an den Fingern, Händen, Armen oder Oberflächen. Werden alle Daten zentral verarbeitet, kann das langsam und energieaufwendig werden. Neuromorphe Hardware kann einen Teil der Verarbeitung direkt in Sensornähe übernehmen. Das ist besonders wichtig für mobile Roboter, Prothesen, Exoskelette und autonome Systeme, die mit begrenzter Energie arbeiten.
Die Verbindung von Sensorik, Aktuatorik und Regelungstechnik ist dabei entscheidend. Ein Sensor allein macht noch keinen intelligenten Tastsinn. Erst durch die Kopplung von Messung, Interpretation und Handlung entsteht ein robuster taktiler Regelkreis.
Anwendungen
Greifen und Manipulieren
In der Robotik ist Greifen eine der wichtigsten Anwendungen. Ein Roboter muss entscheiden, wie stark er ein Objekt hält. Zu wenig Kraft führt zum Abrutschen, zu viel Kraft kann das Objekt beschädigen. Neuromorpher Tastsinn kann helfen, Scherkräfte und Mikrovibrationen früh zu erkennen. Dadurch kann ein Roboter die Greifkraft dynamisch anpassen.
Für empfindliche Gegenstände wie Obst, Glas, Textilien, medizinische Instrumente oder elektronische Bauteile ist das besonders relevant. Der Roboter soll nicht nur sehen, sondern auch fühlen, ob ein Objekt weich, glatt, rau, schwer, instabil oder zerbrechlich ist.
Textur- und Materialerkennung
Beim Menschen spielt Bewegung eine große Rolle für die Texturerkennung. Wenn Du mit dem Finger über Papier, Holz, Stoff oder Metall streichst, entstehen unterschiedliche Vibrationsmuster. Neuromorphe Sensoren können solche zeitlichen Muster als Spike-Folgen codieren. Ein spikendes Netz kann daraus lernen, Materialien zu unterscheiden.
Diese Fähigkeit ist für Sortierroboter, Qualitätskontrolle, Landwirtschaft, Recycling, Medizinrobotik und Assistenzsysteme interessant. Ein Roboter könnte beispielsweise erkennen, ob eine Oberfläche beschädigt, nass, rau, glatt oder elastisch ist.
Rutscherkennung und sichere Interaktion
Rutscherkennung ist eine Schlüsselaufgabe. Ein Objekt beginnt oft mit sehr kleinen Bewegungen zu rutschen, bevor es sichtbar fällt. Eventbasierte taktile Sensoren können solche schnellen Veränderungen erfassen. Dadurch kann ein Roboter rechtzeitig reagieren.
Auch für die Mensch-Roboter-Kollaboration ist Tastsinn wichtig. Roboter, die mit Menschen arbeiten, müssen Berührungen sicher unterscheiden: Ist es ein leichter Kontakt, ein Stoß, ein Hindernis, ein gewünschtes Signal oder eine Gefahrensituation? Neuromorphe Verarbeitung kann dazu beitragen, schnelle und robuste Reaktionen zu ermöglichen.
Prothesen und Assistenzsysteme
Ein weiteres wichtiges Feld sind neurotechnische Prothesen und Assistenzsysteme. Eine Handprothese wird funktionaler, wenn sie nicht nur greifen kann, sondern auch Rückmeldung über Kontakt, Druck und Rutschen erhält. Neuromorphe Sensorik kann hier helfen, taktile Informationen in biologisch plausiblen Impulsmustern bereitzustellen. Langfristig können solche Signale auch für haptisches Feedback genutzt werden.
Barrierefreiheit und Braille-Lesen
Neuromorpher Tastsinn kann auch für das Erkennen von Brailleschrift genutzt werden. Beim Lesen von Braille gleitet ein Finger über erhabene Punkte. Eventbasierte taktile Sensoren können die dynamischen Kontaktmuster beim Gleiten erfassen. Daraus lassen sich Zeichen und Wörter erkennen. Das zeigt, dass neuromorpher Tastsinn nicht nur für industrielle Robotik, sondern auch für Barrierefreiheit und Assistive Technologie relevant sein kann.
Vorteile und Grenzen
Stärken neuromorpher taktiler Systeme
Neuromorpher Tastsinn bietet mehrere mögliche Vorteile. Er kann Daten sparsam codieren, weil nur relevante Änderungen weitergeleitet werden. Er kann geringe Latenzen ermöglichen, weil Ereignisse sofort verarbeitet werden. Er eignet sich für parallele Verarbeitung, weil viele Sensorpunkte gleichzeitig aktiv sein können. Er passt zu energieeffizienten Edge-Systemen, weil nicht jede Messung zentral berechnet werden muss. Und er ist biologisch inspiriert, wodurch er gut zu Aufgaben passt, bei denen zeitliche Muster wichtig sind.
Technische Herausforderungen
Trotz großer Chancen gibt es wichtige Herausforderungen. Künstliche Haut muss flexibel, robust, langlebig und bezahlbar sein. Sensoren müssen kalibriert werden und auch bei Verschleiß zuverlässig funktionieren. Die Datenformate von Sensoren, neuromorpher Hardware und Robotersteuerung müssen zusammenpassen. Außerdem benötigen Lernverfahren gute Trainingsdaten. Bei taktiler Robotik sind solche Daten schwieriger zu sammeln als Bilddaten, weil Kontakt, Kraft, Material und Bewegung genau kontrolliert werden müssen.
Eine weitere Herausforderung ist die Erklärbarkeit. Wenn ein spikendes Netz eine Greifentscheidung trifft, muss nachvollziehbar bleiben, warum der Roboter so handelt. Besonders in Medizin, Pflege, Industrie und Zusammenarbeit mit Menschen ist Sicherheit wichtiger als reine Leistungsfähigkeit.
Ethische und gesellschaftliche Fragen
Neuromorpher Tastsinn kann Roboter feinfühliger und sicherer machen. Gleichzeitig entstehen neue Fragen. Wer haftet, wenn ein autonomer Roboter trotz Tastsinn ein Objekt beschädigt oder eine Person verletzt? Welche Daten entstehen, wenn Roboter Berührungen in Pflege, Haushalt oder Arbeitsplatz erfassen? Wie wird verhindert, dass taktile Assistenzsysteme Menschen überwachen oder entmündigen? Gute Technikentwicklung braucht deshalb nicht nur Ingenieurwissenschaft, sondern auch Ethik, Datenschutz, Recht und gesellschaftliche Diskussion.
Zukunft der taktilen Robotik
Die Zukunft der taktilen Robotik liegt wahrscheinlich in der Verbindung mehrerer Sinneskanäle. Roboter werden nicht nur sehen oder fühlen, sondern Sensorfusion nutzen: Kamera, Tastsinn, Kraftmessung, Temperatur, Lage, Akustik und Motorströme werden gemeinsam ausgewertet. Neuromorphe Ansätze sind dafür interessant, weil biologische Wahrnehmung ebenfalls multimodal, parallel und ereignisorientiert arbeitet.
Besonders spannend ist die Kombination von ereignisbasiertem Sehen und eventbasiertem Tastsinn. Ein Roboter könnte ein Objekt visuell erkennen, beim Kontakt taktile Details erfassen und seine Handlung laufend anpassen. Dadurch entstehen Systeme, die nicht nur auf Anweisungen reagieren, sondern ihre Umwelt aktiv erkunden.
Interaktive Aufgaben
Quiz: Teste Dein Wissen
Was meint neuromorpher Tastsinn in der Robotik? (Ein Tastsystem, das biologische Nervenverarbeitung durch Ereignisse und Spikes nachahmt) (!Ein rein optisches Kamerasystem ohne Berührung) (!Eine klassische Fernsteuerung für Industrieroboter) (!Ein Verfahren zur Tonaufnahme in Robotern)
Warum sind Ereignisse in neuromorphen Sensoren wichtig? (Sie melden vor allem relevante Veränderungen) (!Sie speichern jedes Bild dauerhaft) (!Sie verhindern jede Berührung) (!Sie ersetzen alle Motoren eines Roboters)
Welche Aufgabe ist für taktile Robotik besonders typisch? (Rutscherkennung beim Greifen) (!Berechnung von Wetterkarten) (!Erzeugung von Musiknoten) (!Übersetzung gesprochener Sprache)
Was ist ein Taxel? (Eine einzelne taktile Messeinheit) (!Ein Roboterarm mit sechs Gelenken) (!Ein Akku für mobile Roboter) (!Ein Programm zur Bildbearbeitung)
Welches Netzwerkmodell passt besonders gut zu Spike-Signalen? (Spikendes neuronales Netz) (!Tabellenkalkulation) (!Relationale Datenbank) (!Textverarbeitungssystem)
Warum ist Tastsinn beim Greifen empfindlicher Gegenstände wichtig? (Er hilft die Greifkraft passend anzupassen) (!Er macht alle Kameras überflüssig) (!Er schaltet die Energieversorgung ab) (!Er verhindert jede Bewegung des Roboters)
Welche Information kann ein taktiler Sensor erfassen? (Druck auf eine Oberfläche) (!Die Umlaufbahn eines Satelliten) (!Die Farbe eines Sterns) (!Die Grammatik eines Satzes)
Was bedeutet Edge-Verarbeitung in diesem Zusammenhang? (Daten werden nahe am Sensor verarbeitet) (!Daten werden nur auf Papier notiert) (!Daten werden absichtlich gelöscht) (!Daten werden ausschließlich im Weltraum berechnet)
Welche Herausforderung betrifft neuromorphe taktile Systeme besonders? (Robuste Kalibrierung und langlebige künstliche Haut) (!Unmöglichkeit elektrischer Signale) (!Fehlen aller mechanischen Reize) (!Verbot von Robotik in der Forschung)
Warum ist Sensorfusion für die Zukunft der Robotik wichtig? (Sie verbindet mehrere Sinneskanäle zu besserer Wahrnehmung) (!Sie trennt alle Sensoren dauerhaft voneinander) (!Sie ersetzt Wahrnehmung durch Zufall) (!Sie macht Lernen grundsätzlich unmöglich)
Memory
| Mechanorezeptor | Registriert mechanische Reize |
| Spike | Kurzer Impuls zur Informationsübertragung |
| Taxel | Einzelnes Feld eines taktilen Sensors |
| Rutscherkennung | Erkennt beginnendes Abrutschen |
| Edge Computing | Verarbeitung nahe am Sensor |
| Sensorfusion | Kombination mehrerer Sinneskanäle |
Drag and Drop
| Ordne die richtigen Begriffe zu. | Thema |
|---|---|
| Berührung | Mechanische Verformung |
| Transduktion | Elektrisches Signal |
| Spike-Codierung | Ereignisstrom |
| Neuromorphes Netz | Mustererkennung |
| Greifregelung | Anpassung der Kraft |
Kreuzworträtsel
| Tastsinn | Welcher Sinn ermöglicht die Wahrnehmung von Berührung? |
| Spike | Wie heißt ein kurzer Impuls in spikenden Netzen? |
| Sensor | Welches Bauteil nimmt einen Reiz technisch auf? |
| Haptik | Wie heißt aktives tastendes Wahrnehmen? |
| Robotik | In welchem Technikfeld werden greifende Maschinen entwickelt? |
| Rezeptor | Wie heißt eine biologische Struktur zur Reizaufnahme? |
LearningApps
Lückentext
Offene Aufgaben
Leicht
- Begriffskarte: Erstelle eine Begriffskarte zu Neuromorpher Tastsinn mit mindestens acht Fachbegriffen und kurzen Erklärungen.
- Alltagsvergleich: Vergleiche den menschlichen Griff nach einem Glas mit dem Griff eines Roboters und beschreibe die Rolle des Tastsinns.
- Sensorensuche: Fotografiere oder skizziere drei Geräte aus Deinem Alltag, die auf Berührung reagieren, und ordne sie einfachen Sensorprinzipien zu.
- Videoimpuls: Schaue das eingebundene Video und notiere drei Aussagen, die Du besonders wichtig findest.
Standard
- Ablaufdiagramm: Zeichne den Weg vom mechanischen Reiz bis zur Roboterhandlung als Ablaufdiagramm mit den Stationen Signaltransduktion, Spike-Codierung, Mustererkennung und Regelungstechnik.
- Greifexperiment: Entwickle ein ungefährliches Experiment mit einem Gegenstand, bei dem Du beobachtest, wann Rutschen beginnt und wie sich Greifkraft verändert.
- Materialvergleich: Untersuche verschiedene Oberflächen wie Papier, Stoff, Holz und Metall und beschreibe, welche taktilen Muster ein Roboter erfassen müsste.
- Anwendungssteckbrief: Erstelle einen Steckbrief für eine Anwendung, zum Beispiel Prothese, Pflegeassistenz, Recyclingroboter oder Industrierobotik.
Schwer
- Systementwurf: Entwirf ein neuromorphes Tastsystem für eine Roboterhand und beschreibe Sensoren, Datenfluss, Lernverfahren, Aktoren und Sicherheitsregeln.
- Ethikdebatte: Entwickle eine Pro-und-Contra-Debatte zur Frage, ob Roboter in Pflege und Haushalt taktile Daten erfassen dürfen.
- Forschungsvergleich: Vergleiche zwei Forschungsansätze zu eventbasierter taktiler Sensorik und bewerte, welcher Ansatz für schnelle Greifregelung geeigneter erscheint.
- Prototyp: Baue oder simuliere ein einfaches Modell eines taktilen Sensors, zum Beispiel mit Schaumstoff, Folie, Kontaktflächen oder einem Mikrocontroller, und dokumentiere Grenzen des Modells.
|
|
Lernkontrolle
- Transferaufgabe Greifen: Erkläre, warum ein Roboter beim Greifen eines nassen Glases andere taktile Informationen benötigt als beim Greifen eines trockenen Holzklotzes.
- Systemanalyse: Analysiere ein neuromorphes Tastsystem als Regelkreis und beschreibe, an welcher Stelle Verzögerungen gefährlich werden können.
- Bewertungsaufgabe: Beurteile, ob eventbasierte Verarbeitung für eine langsam arbeitende Waage sinnvoller ist als für eine schnelle Roboterhand.
- Ethiktransfer: Entwickle Datenschutzregeln für einen Haushaltsroboter, der Berührungsdaten in einer Wohnung verarbeitet.
- Fehlerdiagnose: Ein Roboter zerdrückt weiche Früchte. Formuliere drei mögliche technische Ursachen und passende Verbesserungen.
- Zukunftsszenario: Beschreibe ein realistisches Szenario, in dem neuromorpher Tastsinn Menschen mit Behinderung unterstützt, ohne ihre Selbstbestimmung einzuschränken.
Lernnachweis
Für einen Lernnachweis zu Neuromorpher Tastsinn solltest Du zeigen, dass Du die biologischen Grundlagen des Tastsinns, technische Prinzipien der taktilen Sensorik und die Idee des Neuromorphic Engineering miteinander verbinden kannst. Wichtig ist außerdem, dass Du Anwendungen, Chancen, Grenzen und ethische Fragen begründet beurteilst.
- Fachbegriffe: Du verwendest zentrale Begriffe wie Taxel, Spike, Ereignisbasierte Verarbeitung, Sensorfusion, Rutscherkennung und Edge Computing korrekt.
- Erklärungskompetenz: Du erklärst den Weg von der Berührung bis zur Roboterhandlung verständlich und fachlich stimmig.
- Anwendungskompetenz: Du überträgst das Wissen auf ein eigenes Beispiel aus Robotik, Prothetik, Assistenzsystemen oder Industrie.
- Bewertungskompetenz: Du diskutierst Vorteile, Grenzen, Sicherheitsfragen und ethische Aspekte.
- Gestaltungskompetenz: Du entwickelst ein eigenes Modell, Diagramm, Experiment, Video, Poster oder Konzept und reflektierst dessen Aussagekraft.
OERs zum Thema
- Wikimedia Commons: uSkin Sensor Integration
- Wikimedia Commons: Silicon Sensor
- Wikimedia Commons: STDP biological
- Scientific Reports: A spiking and adapting tactile sensor for neuromorphic applications
- Robotics: Science and Systems: Event-Driven Visual-Tactile Sensing and Learning for Robots
- arXiv: Evetac: An Event-based Optical Tactile Sensor for Robotic Manipulation
Links
aiMOOC-Projekte
Schulfach+
|
|
aiMOOCs
aiMOOC Projekte
|
|
THE MONKEY DANCE
{{#ev:youtube | https://youtu.be/rFhZlg38Zf8?si=9KdMNZYRkRD81YTo%7C 500 | center}}
|
{{#ev:youtube | https://youtu.be/Ob7etf9QuBo?si=t_NBA71bWg3Rq3LI%7C 500 | center}}
|
|