Conclusioni e sviluppi futuri
In questa tesi è stata sviluppata un’architettura per la gestione di un sistema di masticazione artificiale tramite ARI, un insieme di librerie VisualC++ in fase di realizzazione presso il Centro “E. Piaggio” per la gestione parallela e in tempo reale, tramite un controllo biologicamente ispirato implementato con reti neurali artificiali, di dispositivi di trasduzione e attuazione. Uno dei principali campi di applicazione per tale ambiente è la biorobotica; in particolare, si intende utilizzarlo nell’ambito del progetto FACE, il cui scopo è lo sviluppo di un robot biomimetico in grado di riconoscere e rappresentare le emozioni umane fondamentali.
Durante le varie fasi di lavoro si è cercato di definire un tool o ciclo progettuale che potesse essere il più possibile generalizzabile per lo sviluppo degli ulteriori sistemi di acquisizione e attuazione che dovranno essere integrati in ARI.
In una prima fase è stata progettata e realizzata, presso l’azienda EBB-srl di Calcinaia (PI), una scheda a basso costo gestita da un microcontrollore della serie PIC16F877A della Microchip, che provvede: all’acquisizione ed elaborazione analogica (amplificazione, multiplexing e filtraggio) dei segnali generati, in seguito all’applicazione di un carico, dagli strain gage montati sulla protesi dentaria mandibolare di un sistema di masticazione artificiale; al controllo della tensione in ingresso alla valvola incrementale di comando del pistone che permette il movimento di masticazione; all’interfacciamento con il PC tramite USB, utilizzando l’integrato PDIUSBD12 della Philips.
Successivamente, è stato realizzato il firmware del microcontrollore per il controllo della scheda e della comunicazione USB, e il programma ad alto livello in Visual C++
Conclusioni e sviluppi futuri 108
per la gestione di tale comunicazione e quindi, in generale, di tutto il processo di acquisizione e controllo, da parte dell’host e dell’utente.
Infine, è stato realizzato il driver per l’interfacciamento di questa struttura con l’ambiente ARI, in cui il neurocontrollore viene implementato tramite una mappa di Kohonen. L’implementazione di tale driver consiste nella definizione di alcune classi derivate da quelle generali che compongono ARI, e nella configurazione di alcuni parametri specifici.
Sono state eseguite delle prove sperimentali che hanno permesso di verificare l’effettivo funzionamento del sistema e di concludere che le soluzioni adottate possono essere vantaggiosamente applicate anche ai futuri dispositivi da integrare in ARI.
In particolare, l’utilizzo del microcontrollore e della comunicazione USB hanno consentito di ottenere un sistema allo stesso tempo flessibile e robusto con un costo relativamente modesto, massimizzando la portabilità e la generabilità del dispositivo. L’utilizzo di questa soluzione per la gestione di altre catene sensoriali comporterebbe una minimizzazione della parte software del lavoro, in quanto la gestione della comunicazione USB, in particolare sull’EP0, sia dalla parte host che da quella del microcontrollore, sarebbe praticamente la stessa, tranne per minime variazioni; inoltre, anche la parte di interfacciamento con ARI risulterebbe piuttosto semplice, sebbene sia possibile introdurre modifiche al fine di valutare l’efficienza di altre configurazioni o per consentire una comunicazione più efficiente con il dispositivo. Di conseguenza, la parte più complessa riguarderebbe la realizzazione della parte analogica della scheda hardware specifica per il sensore.
Gli sviluppi futuri di questo lavoro possono essere molteplici e orientati in varie direzioni. Innanzitutto, sarà necessario eseguire una serie di misure sperimentali per valutare l’efficacia dell’architettura in tempo reale e a ciclo chiuso; in seguito a queste prove potrà essere realizzata la scheda definitiva, a circuito stampato in tecnologia SMD. Con lo sviluppo di architetture simili per altri sensori e attuatori (come il sistema di propriocezione, quello di visione artificiale e quello di attuazione con muscoli artificiali) si potrà poi passare all’implementazione della gestione contemporanea di più dispositivi e della creazione di tool sperimentali per le varie applicazioni di FACE [4]. Infine, si
Conclusioni e sviluppi futuri 109
potrà effettuare, una volta implementate le strutture neurali da collegare alla mappa di Kohonen, un confronto tra vari neurocontrollori differenti tra loro per il modello di neurone utilizzato o per la struttura. Questo confronto potrebbe avvenire sia a livello di risultati in applicazioni reali, con ulteriori ridimensionamenti dell’incidenza delle difficoltà di calcolo sull’uso di architetture neurali più complesse ma biologicamente più plausibili, che a livello di valutazione della presenza di fenomeni emergenti riscontrabili nelle reti neurali biologiche. A questo proposito si sta cominciando a studiare la possibilità di implementare in ARI il modello di neurone proposto da Izhikevich [35], reti neurali con struttura ispirata all’ippocampo [33] e una modellizzazione dell’interazione neuroni-astrociti che, in questi ultimi anni, sta suscitando un interesse sempre maggiore [36].
