ABB এবং PSYONIC টাচ ডেটা ব্যবহার করে robot dexterity উন্নত করার চেষ্টা করছে

একটি prosthetics কোম্পানি robotics-এর একটি সমস্যায় ডেটা সরবরাহ করছে

ABB Robotics এবং PSYONIC একটি collaboration ঘোষণা করেছে, যার লক্ষ্য robotics-এর সবচেয়ে কঠিন অনির্ধারিত চ্যালেঞ্জগুলোর একটি: মেশিনকে বাস্তব দুনিয়ায় আরও নির্ভরযোগ্য dexterity দেওয়া। এই প্রকল্পে ABB-এর GoFa collaborative robot এবং PSYONIC-এর Ability Hand একত্র করা হচ্ছে, যা myoelectric control, touch sensing এবং compliant mechanics-ভিত্তিক একটি prosthetic device।

মূল ধারণাটি সোজা। Prosthetic users এমন বাস্তব interaction data তৈরি করেন, যা দেখায় মানুষ কীভাবে বস্তু ধরে, ছেড়ে দেয় এবং সেগুলোর সঙ্গে খাপ খাইয়ে নেয়। ABB এবং PSYONIC সেই touch এবং motion তথ্য robots-কে এমন কাজ শেখাতে ব্যবহার করতে চায়, যেগুলো automate করা এখনো কঠিন।

এটি কেবল একটি hardware partnership নয়। এটি human-derived manipulation patterns-কে physical AI systems-এর training material-এ রূপান্তর করার প্রচেষ্টা। ABB এই project-কে তার broader push-এর সঙ্গে যুক্ত করছে, যাকে সে autonomous versatile robotics বলে, অর্থাৎ এমন robots যারা পরিবর্তনশীল পরিবেশে sensing, reasoning, movement এবং manipulation করতে পারে।

Dexterity এখনও bottleneck কেন

Industrial automation পুনরাবৃত্তি, structured motion এবং কঠোরভাবে নিয়ন্ত্রিত পরিবেশে খুব ভালো কাজ করে। কিন্তু যখন বস্তুর আকার, কোমলতা, orientation বা fragility বদলে যায়, তখন তার নির্ভরযোগ্যতা কমে যায়। সেখানে মানব হাত এখনও প্রাধান্য ধরে রাখে।

ABB-এর মতে, robots-কে fixed routines-এর বাইরে নিতে হলে বাস্তব বিশ্বের interactions থেকে শেখা জরুরি। কোম্পানির অবস্থান হলো physical AI-এ অগ্রগতি শুধু perception এবং planning-এর ওপর নির্ভর করে না, বরং idealized lab conditions-এর বাইরে কাজ করে এমন manipulation-এর ওপরও নির্ভর করে।

PSYONIC-এর technology এই partnership-কে একটি উপযোগী শুরু দেয়, কারণ Ability Hand factory automation-এর জন্য নয়, মানব ব্যবহারের জন্য তৈরি হয়েছিল। এই system-এ pressure sensors এবং vibration feedback রয়েছে, যা users-কে contact, grip force এবং release শনাক্ত করতে সাহায্য করে। এর flexible fingers irregular এবং deformable objects-এর সঙ্গে মানিয়ে নিতে পারে, যা অনেক standard industrial grippers-এ থাকে না।

Prosthetic design থেকে industrial relevance পর্যন্ত

PSYONIC-এর founder এবং CEO Adeel Akhtar বলেন, কোম্পানি prosthetics দিক থেকে শুরু করে এখন clinical use-এ পৌঁছেছে; এর FDA approval আছে এবং 300-এর বেশি patients এই hand ব্যবহার করছেন। এটি United States-এ Medicare-এর আওতায়ও covered। তবে তিনি বলেন, physical AI-এ আগ্রহ বাড়ার সঙ্গে demand balance বদলে গেছে।

এই পরিবর্তনটি তাৎপর্যপূর্ণ। assistive devices-এর জন্য গুরুত্বপূর্ণ compliant movement, touch awareness এবং objects-এর সঙ্গে স্বাভাবিক adaptation robotics environments-এও গুরুত্বপূর্ণ, যেখানে rigid tooling একটি সীমাবদ্ধতা হয়ে ওঠে। Akhtar-এর যুক্তি হলো suction systems এবং parallel-jaw grippers প্রায়ই tool changers চায়, ফলে delay, maintenance এবং failure points বাড়ে।

deformable objects বা মানুষের চারপাশে তৈরি spaces-এ কাজের জন্য five-fingered hand বেশি স্বাভাবিকভাবে মানাতে পারে। তাই এই partnership দুই প্রবণতার মিলনস্থলে আছে: prosthetics আরও sensor-rich হচ্ছে এবং robotics আরও real-world data-এর ওপর নির্ভর করছে।

GoFa cobot কেন গুরুত্বপূর্ণ

ABB-এর GoFa একটি force- এবং power-limited collaborative robot, তাই brute-force repetition নয়, close এবং adaptive interaction নির্ভর পরীক্ষার জন্য এটি উপযুক্ত। এই setup-এ arm, Ability Hand এবং তার data stream-এর জন্য একটি test platform-এর মতো কাজ করে।

এর গুরুত্ব এই নয় যে একটি robot hand হঠাৎ সব industrial end effector-এর জায়গা নেবে। গুরুত্ব হলো sensing-rich hand এবং collaborative arm একসঙ্গে touch, motion এবং compliance কীভাবে একসাথে কাজ করবে তার উদাহরণ তৈরি করতে পারে। dynamic environments-এর জন্য প্রশিক্ষিত systems-এর জন্য এই ধরনের data বিশ্বাসযোগ্যভাবে তৈরি করা কঠিন।

ABB leadership human dexterity-কে industrial-grade robotics-এ পুনরুত্পাদন করাকে সবচেয়ে কঠিন বিষয়গুলোর একটি বলে মনে করে। mixed-object picking, fabric handling এবং cluttered bin manipulation-এর মতো ক্ষেত্রে বছরের পর বছর ধীর অগ্রগতির সঙ্গে এই মূল্যায়ন মেলে। এই collaboration ইঙ্গিত দেয় যে কোম্পানি dexterity-কে peripheral improvement নয়, robotics capability-এর পরবর্তী ধাপের কেন্দ্র হিসেবে দেখছে।

Physical AI-এর জন্য শুধু ভালো model নয়, ভালো data-ও দরকার

physical AI শব্দগুচ্ছ প্রায়ই smarter software বোঝায়। এই partnership তার বিপরীত সীমাবদ্ধতাকে সামনে আনে: শক্তিশালী models-এরও grounded interaction data দরকার। একটি robot soft বা awkward object কীভাবে সামলাতে হয়, তা কেবল দেখে শিখতে পারে না। তাকে contact, force, slippage এবং recovery-এর উদাহরণ দরকার।

এ কারণেই PSYONIC-এর পটভূমি গুরুত্বপূর্ণ। Prosthetic users দৈনন্দিন পরিস্থিতিতে lived manipulation data তৈরি করছেন। যদি এই signals-কে robotic training workflows-এ রূপান্তর করা যায়, তবে developers skilled handling আসলে কীভাবে ঘটে, তার আরও সমৃদ্ধ চিত্র পেতে পারেন।

এই deal robotics market-এ একটি বিস্তৃত convergence-ও দেখায়। একসময় medical devices, industrial tools এবং AI research platforms হিসেবে আলাদা থাকা technologies এখন একে অপরের সঙ্গে মিলিত হচ্ছে। companies domains-এর মধ্যে ব্যবহারযোগ্য reusable components এবং data sources খুঁজছে।

দীর্ঘদিনের সমস্যায় কেন্দ্রীভূত একটি বাজি

ABB বা PSYONIC কেউই এই collaboration-কে finished product launch হিসেবে উপস্থাপন করছে না। এটি একটি research and development পদক্ষেপ, যার লক্ষ্য এমন একটি bottleneck, যা industry বহু বছর ধরে আলোচনা করে আসছে। তাই immediate deployment numbers না থাকলেও এই ঘোষণা গুরুত্বপূর্ণ।

যদি project সফল হয়, তাহলে prosthetic touch এবং motion data robot manipulation-কে measurable উপায়ে উন্নত করতে পারে—এটি দেখাতে পারাই এর মূল্য হবে। যদি না হয়, তবু এটি স্পষ্ট করবে human-like grasping-কে broadly deployable machines-এ রূপান্তর করতে field কতটা দূরে।

যে কোনো ক্ষেত্রেই, এই partnership দেখায় advanced robotics কোন দিকে যাচ্ছে: isolated hardware improvements-এ কম জোর, আর physical world-কে মানুষের বিচারবুদ্ধির কাছাকাছি নিয়ে যেতে robots-এর জন্য প্রয়োজনীয় data এবং embodiment-এ বেশি মনোযোগ।

এই নিবন্ধটি The Robot Report-এর প্রতিবেদনের ভিত্তিতে লেখা। মূল নিবন্ধ পড়ুন.