Tutkijat raportoivat todisteita aiemmin tunnistamattomasta ihmisen kyvystä — eräänlaisesta "etätunnosta", joka auttaa ihmisiä havaitsemaan hiekkaan tai maaperään piilotettuja esineitä ilman suorassa kontaktissa koskettamista. Löydös, joka esiteltiin IEEE ICDL 2025 -konferenssissa ja julkaistiin IEEE Xplore -arkistossa, muuttaa käsitystämme taktiilisesta havainnosta ja avaa uusia tutkimus- sekä sovellusmahdollisuuksia robotiikalle, arkeologialle ja planeettatutkimukselle.

Discovery: a surprising seventh sense for hidden objects

Yleisesti puhumme viidestä aistista, joskus kuudennesta intuitiolle viitaten. Nyt Queen Mary University of Londonin tutkijat ehdottavat erillistä seitsemättä kykyä: etätuntoa. "Tämä havainto muuttaa ymmärrystämme aistisynteesistä ja taktiilisen havaitsemisen ulottuvuuksista eliöissä", sanoo Elisabetta Versace, psykologian professori ja Ready Minds Labin johtaja Queen Maryssä. Tutkijaryhmän kokeet osoittavat, että ihmiset voivat havaita ja tunnistaa ohuen kerroksen granulaariainesta — kuten hiekkaa — alla olevia esineitä käyttämällä vain sormenpäitään, vaikka he eivät koskaan koskettaisi piilotettua kohdetta suoraan.

How the experiment worked: feeling through sand

Protocol and performance

Ensimmäisessä kokeiden sarjassa vapaaehtoisia ohjeistettiin käyttämään vain sormenpäätä selvittääkseen, oliko esine piilossa matalan hiekkakerroksen alla. Hämmästyttävää kyllä, osallistujat tunnistivat piilotetut kohteet oikein noin 71 %:ssa tapauksista, vaikka hiekka oli välikerroksena. Havaintokauksiin liittyvä keskiarvo oli noin 6,9 senttimetriä, ja mediaanimenestyksen etäisyys oli noin 2,7 senttimetriä. Nämä tulokset, jotka esiteltiin kansainvälisessä oppimisen ja kehityksen konferenssissa IEEE ICDL 2025, viittaavat siihen, että pienet mekaaniset signaalit, jotka välittyvät granulaarisen ympäristön läpi, voidaan havaita ja tulkita ihmisen hermoston toimesta.

Physical mechanisms: how can this be possible?

Ensisilmäyksellä piilotetun esineen tuottamat signaalit näyttävät häviävän pieniltä. Fysikaalisesti esine häiritsee ympäröiviä jyviä, synnyttäen pieniä siirtymiä ja painegradientteja. Perinteiset mallit ennustavat, että tällaiset häiriöt vaimenevat muutaman millimetrin etäisyydellä kontaktipisteestä. Kuitenkin tutkimusryhmä yhdisti huolellisia mittauksia ja teoreettista mallintamista ja havaitsi, että hienovaraiset siirtymät voivat levitä edelleen granulaaristen verkostojen kautta — joskus muutamia senttimetrejä oikeissa olosuhteissa. Käytännössä tämä tarkoittaa, että sormenpää, joka liikkuu hiekan päällä, havaitsee jyvien liikkeestä ja värähtelystä syntyviä heikkoja kuvioita, jotka paljastavat piilotetun kohteen läsnäolon.

Teknisesti ilmiön selitys liittyy granulaarisen materiaalin sisäisiin voimaketjuihin (force chains), paikallisiin kohonneisiin painealueisiin ja akustisen energian siirtoon jyvien välityksellä. Kun esine painaa tai siirtää ympäröiviä rakeita, muodostuu paikallisia stressikonfiguraatioita, jotka resonoivat tai muuttavat kitkaa ja siten välittävät informaatiota kosketukseen asti. Myös rakeiden koon hajonta, kosteuspitoisuus ja graanulin pakkausaste vaikuttavat signaalinvaimennukseen ja -leviämiseen. Käytännön kokeissa tutkijat kontrolloivat näitä parametreja mallinnuksen ja toistettavien mittausten yhdistelmällä, mikä antoi viitteitä siitä, millä olosuhteilla etätunto toimii luotettavammin.

Robotic replication: teaching machines to 'feel' at a distance

Jotta löydöksen käytännön soveltuvuutta tutkittaisiin, ryhmä toisti ihmiskokeen kosketussensorein varustetulla robottivarrella. He kouluttivat long short-term memory (LSTM) -neuroverkkoa sensoriarvoista luokittelemaan, oliko esine piilossa hiekan alla. Robotit saavuttivat ihmisiin verrattuna alhaisemman tarkkuuden — noin 40 % oikein — mutta pystyivät havaitsemaan esineitä hieman pidemmiltä etäisyyksiltä, joissain kokeissa jopa 7,1 senttimetriin asti.

Robottikokeet tarjosivat myös teknisiä oppimiskohteita: anturityypit, näytetaajuudet ja esikäsittelyvaiheet vaikuttivat merkittävästi luokituskykyyn. Esimerkiksi multi-modulaariset taktiiliset anturit, jotka yhdistävät paine- ja kiihtyvyysmittaukset, paransivat signaalin erotettavuutta verrattuna yksittäisiin paineantureihin. Lisäksi signaalinkäsittelyssä ajallinen suodatus ja piirteiden uuttaminen (feature extraction) osoittautuivat välttämättömiksi, jotta LSTM-verkko pystyi tunnistamaan granulaarisen median läpi kulkevat hienovaraiset mallit.

Human data informing AI models

"Mielenkiintoisin osa oli ihmisten ja robottien kokeiden välinen palautesilmukka", selittää Lorenzo Jamone, robotiikan ja tekoälyn professori University College Londonista. Ihmisten käyttäytymisdata paransi robotin koulutusjoukkoa, ja robottien suoritus kyseenalaisti ja laajensi hypoteeseja niistä aistillisista vihjeistä, joita ihmiset käyttävät. Tämä poikkitieteellinen lähestymistapa — yhdistäen psykologiaa, taktiilista sensoriikkaa ja koneoppimista — osoittaa, miten biologinen havainnointi voi inspiroida uusia anturijärjestelmiä koneille.

Lisäksi ihmisdatan käyttö auttoi tunnistamaan tilanteet, joissa inhimillinen havaitseminen toimii parhaiten: tietyt liikeradat,paineen variaatiot ja lyhyet pyyhkäisyt tuottivat informatiivisempia signaaleja. Näiden käyttäytymismallien sisällyttäminen robottien ohjausalgoritmeihin paransi oppimista, vaikka täydellistä ihmistason suorituskykyä ei vielä saavutettukaan. Tämä on lupaava askel kohti taktiilisen tiedon integrointia autonomisiin järjestelmiin.

From archaeology to Mars: potential applications

Se, että taktiiliset vihjeet voivat levitä granulaaristen materiaalien läpi odotettua pidemmälle, avaa laajoja käytännön sovellusmahdollisuuksia. Zhangchi Chen, tohtorikoulutettava Advanced Robotics Labissa Queen Maryssä, toteaa: "etätunto voisi mahdollistaa ei-invasiivisia arkeologisia kartoituksia, joissa hauraat artefaktit havaitaan ilman kaivamista, tai antaa laskeutujille ja roverille mahdollisuuden tunnistaa piilotettuja rakenteita hiekkaisilla planeettapinnoilla, kuten Marsissa." Roboti, jotka on varustettu herkällä taktiilisella arraylla ja tekoälyllä, voisivat toimia alueilla, joissa ihmisten kosketus tai optinen kuvantaminen on rajoitettua — sameassa vedessä, pölyn peittämien kerrosten alla tai vaarallisissa ympäristöissä.

  • Arkeologia: havaita hauraat esineet aiheuttamatta merkittävää häiriötä kaivausalueella.
  • Robotiikka: parantaa haptista sensoriikkaa manipulaatio- ja etsintätehtävissä.
  • Planeettatiede: antaa roverien tutkia pintakerrosten alaisuuksia Marsissa tai jäisillä kuuilla.
  • Pelastus- ja etsintätoimet: paikantaa esineitä tai selviytyjiä romujen alta, missä näköaisti epäonnistuu.

Käytännön sovellukset edellyttävät lisätutkimusta anturisuunnittelusta, signaalinkäsittelystä, energiaefektiivisyydestä ja toimintaympäristön variaatioiden hallinnasta. Esimerkiksi pienitehoiset taktiiliset anturimatriisit yhdistettynä kevyisiin koneoppimisratkaisuihin voisivat toimia aurinkoenergialla varustetuissa planeettalähettimissä. Samoin arkeologisissa sovelluksissa dynaaminen lukitus ja paikallinen paineanalyysi voisivat erotella luonnolliset sedimentoitumisen rakenteet ja ihmistekoiset artefaktit.

Expert Insight

Dr. Maya Rosenthal, taktiilista sensoriikkaa tutkiva tutkija NASA-yhteistyölaboratoriossa, kommentoi: "Tämä työ muotoilee tuntoa aktiivisena, ympäristöä tulkitsevana prosessina. Kyse ei ole vain ihon kosketuksesta pintatekstuurien kanssa — on kyse materiaalien mekaanisen kielen tulkitsemisesta. Planeettarobotiikassa se voi tarkoittaa uusia pienitehoisia antureita, jotka 'kuuntelevat' maaperää ja hiekkaa löytääkseen piilotettuja kohteita tai geologisia rajapintoja." Hänen näkemyksensä korostaa käytännön kehityssuuntia: pienoiskokoiset taktiiliset matriisit yhdistettynä ajallisiin neuroverkkoihin voivat muuntaa heikot mekaaniset signaalit käyttökelpoiseksi tiedoksi.

Rosenthal korostaa myös monikanavaisen lähestymistavan tärkeyttä, jossa taktiilinen tieto yhdistetään optiseen ja akustiseen dataan. Tämä multimodaalinen sensoriikka parantaa havaintojen luotettavuutta muuttuvissa ympäristöissä ja mahdollistaa järjestelmät, jotka oppivat erottelemaan kohdetta ympäristön aiheuttamasta taustakohinasta.

What this means for sensory neuroscience and technology

Ajatus seitsemännestä aistista — etätunnosta — on provosoiva, mutta se perustuu mitattavaan käyttäytymiseen ja fysiikkaan. Neuroscience-näkökulmasta se korostaa ihmisen hermoston poikkeuksellista herkkyyttä spatiotemporaalisiin mekaanisiin syötteisiin. Tällaiset löydökset laajentavat ymmärrystämme siitä, miten aistimus rakentuu yhdistämällä paikallisia mekaanisia signaaleja ja ennakoivaa mallintamista hermoverkoissa, jotka tulkitsevat epäsuoria vihjeitä.

Teknologiassa tutkimus piirtää tiekartan antureille ja algoritmeille, jotka pidentävät kosketuksen ulottuvuutta suoran kontaktin ulkopuolelle. Kuten tutkimuksen tekijät mainitsevat IEEE Xplore -julkaisussa, tuleva työ muokkaa granulaarisen välityksen malleja, optimoi taktiilisten anturien suunnittelua ja testaa käytännön tehtäviä hauraiden artefaktien palauttamisesta planeettojen pinnan tutkimiseen.

Lisätutkimus voi keskittyä muun muassa seuraaviin teknisiin teemoihin: granulaarisen mediakäyttäytymisen epälineaarisuus, resonanssi-ilmiöt rakeiden välillä, paineen ja kitkan roolin mallinnus, anturien spektrinen herkkyys sekä koneoppimismenetelmät, jotka pystyvät erottamaan signaalin kohinasta reaaliajassa. Tällainen yksityiskohtainen tekninen kehitys vahvistaa löydöksen sovellettavuutta ja lisää mahdollisuuksia kaupallisiin ja tutkimuksellisiin käyttötapauksiin.

Olipa ilmiötä kutsuttava uudeksi aistiksi tai haptisen havainnon laajennukseksi, se työntää rajoja sille, miten eliöt ja koneet voivat kerätä tietoa fysikaalisesta ympäristöstään. Kuvittele rover, joka hipaisee kaukaista hiekkakerrosta ja, ilman kaivamista, tunnistaa piilotetun kiven muodon tai kerrostuneen maakerroksen — pieni askel kohti älykkäämpää, hienovaraisempaa tutkimusta.