ABB und PSYONIC verbinden Prothesen-Tastdaten mit Roboter-Manipulation

Ein Prothesenunternehmen speist ein Robotikproblem

ABB Robotics und PSYONIC haben eine Zusammenarbeit angekündigt, die auf eine der schwierigsten ungelösten Aufgaben der Robotik abzielt: Maschinen in der realen Welt mehr verlässliche Geschicklichkeit zu verleihen. Das Projekt kombiniert ABBs kollaborativen Roboter GoFa mit PSYONICs Ability Hand, einer Prothese, die auf myoelektrischer Steuerung, Tastsensorik und nachgiebiger Mechanik basiert.

Die Grundidee ist einfach. Prothesenträger erzeugen reale Interaktionsdaten darüber, wie Menschen Objekte greifen, loslassen und sich anpassen. ABB und PSYONIC wollen diesen Strom aus Tast- und Bewegungsinformationen nutzen, um Roboter für Aufgaben zu trainieren, die sich bislang nur schwer automatisieren lassen.

Damit ist dies mehr als eine Hardware-Partnerschaft. Es ist der Versuch, vom Menschen abgeleitete Manipulationsmuster in Trainingsmaterial für physische KI-Systeme zu verwandeln. ABB verknüpft das Projekt ausdrücklich mit seinem breiteren Vorstoß in Richtung dessen, was das Unternehmen autonome vielseitige Robotik nennt, also Roboter, die in veränderlichen Umgebungen wahrnehmen, denken, bewegen und Objekte manipulieren können.

Warum Geschicklichkeit weiterhin ein Engpass ist

Industrielle Automatisierung ist sehr gut bei Wiederholungen, strukturierter Bewegung und streng kontrollierten Umgebungen. Viel unzuverlässiger ist sie, wenn Objekte in Form, Weichheit, Ausrichtung oder Empfindlichkeit variieren. Genau dort dominieren menschliche Hände weiterhin.

Laut ABB ist das Lernen aus realen Interaktionen entscheidend, wenn Roboter über feste Routinen hinausgehen sollen. Die Position des Unternehmens ist, dass Fortschritte in der physischen KI nicht nur von Wahrnehmung und Planung abhängen, sondern von Manipulation, die auch außerhalb idealisierter Laborbedingungen funktioniert.

Die Technologie von PSYONIC bietet der Partnerschaft einen nützlichen Ausgangspunkt, weil die Ability Hand für den Menschen entwickelt wurde und nicht ursprünglich für die Fabrikautomation. Das System umfasst Drucksensoren und Vibrationsfeedback, mit denen Nutzer Kontakt, Greifkraft und Loslassen erkennen können. Seine flexiblen Finger können sich unregelmäßigen und verformbaren Objekten anpassen, genau jene Fähigkeit, die vielen standardmäßigen industriellen Greifern fehlt.

Vom Prothesendesign zur industriellen Relevanz

PSYONIC-Gründer und CEO Adeel Akhtar sagt, das Unternehmen habe auf der Prothesenseite begonnen und bereits die klinische Anwendung erreicht, mit FDA-Zulassung und mehr als 300 Patienten, die die Hand nutzen. In den USA wird sie auch von Medicare abgedeckt. Doch er sagt, dass sich das Verhältnis der Nachfrage verändert habe, seit das Interesse an physischer KI zugenommen hat.

Dieser Wandel ist aufschlussreich. Funktionen, die in Hilfsmitteln wichtig sind, etwa nachgiebige Bewegung, taktile Wahrnehmung und natürliche Anpassung an Objekte, sind auch in Robotik-Umgebungen wichtig, in denen starre Werkzeuge zum Engpass werden. Akhtar argumentiert, dass Saugsysteme und Parallelgreifer häufig Werkzeugwechsler benötigen, was Verzögerungen, Wartung und Fehlerquellen hinzufügt.

Bei Arbeiten mit verformbaren Objekten oder in Umgebungen, die um Menschen herum gebaut sind, kann eine Hand mit fünf Fingern die natürlichere Lösung sein. Die Partnerschaft steht daher an der Schnittstelle zweier Trends: Prothetik wird sensorreicher und Robotik wird stärker auf reale Daten angewiesen.

Warum der GoFa-Cobot wichtig ist

ABBs GoFa ist ein kraft- und leistungsbegrenzter kollaborativer Roboter, was ihn für Experimente geeignet macht, die auf enge, adaptive Interaktion statt auf reine Wiederholung setzen. In dieser Konfiguration dient der Arm im Wesentlichen als Testplattform für die Ability Hand und ihren Datenstrom.

Die Bedeutung liegt nicht darin, dass eine einzelne Roboterhand plötzlich überall industrielle Endeffektoren ersetzt. Entscheidend ist, dass eine sensorreiche Hand zusammen mit einem kollaborativen Arm Beispiele dafür erzeugen kann, wie Tastsinn, Bewegung und Nachgiebigkeit zusammenwirken sollten. Für Trainingssysteme, die in dynamischen Umgebungen arbeiten sollen, ist eine solche Datenbasis schwer überzeugend zu fälschen.

Die Führung von ABB beschreibt menschliche Geschicklichkeit als eines der schwierigsten Dinge, die in industriegerechter Robotik nachzubilden sind. Diese Einschätzung passt zu Jahren langsamen Fortschritts bei gemischtem Greifen, Stoffhandhabung und dem Entnehmen aus unübersichtlichen Behältern. Die Zusammenarbeit deutet darauf hin, dass das Unternehmen Geschicklichkeit nicht als Randverbesserung, sondern als zentral für die nächste Phase der Robotikfähigkeit ansieht.

Physische KI braucht bessere Daten, nicht nur bessere Modelle

Der Begriff physische KI lässt oft an intelligentere Software denken. Diese Partnerschaft betont die gegenteilige Einschränkung: Selbst starke Modelle benötigen geerdete Interaktionsdaten. Ein Roboter kann nicht allein durchs Anschauen lernen, wie man ein weiches oder sperriges Objekt handhabt. Er braucht Beispiele für Kontakt, Kraft, Rutschen und Korrektur.

Genau deshalb ist der Hintergrund von PSYONIC wichtig. Prothesenträger erzeugen im Alltag praktisch gelebte Manipulationsdaten. Wenn diese Signale in robotische Trainingsabläufe übersetzt werden können, erhalten Entwickler ein reichhaltigeres Bild davon, wie geschickte Handhabung tatsächlich entsteht.

Der Deal spiegelt auch eine breitere Konvergenz im Robotikmarkt wider. Technologien, die einst in Medizingeräte, Industrieanlagen und KI-Forschungsplattformen getrennt waren, beginnen sich zu überschneiden. Unternehmen suchen nach wiederverwendbaren Komponenten und Datenquellen, die zwischen Domänen wandern können.

Eine fokussierte Wette auf ein lang bestehendes Problem

Weder ABB noch PSYONIC stellt diese Zusammenarbeit als fertige Produkteinführung dar. Es handelt sich um einen Forschungs- und Entwicklungsschritt, der auf einen Engpass zielt, über den die Branche seit Jahren spricht. Das macht die Ankündigung auch ohne sofortige Einsatzzahlen bedeutsam.

Wenn das Projekt funktioniert, liegt sein Wert darin zu zeigen, dass taktile und Bewegungsdaten aus Prothesen die robotische Manipulation messbar verbessern können. Wenn nicht, wird es trotzdem klären, wie weit das Feld noch davon entfernt ist, menschliches Greifen in breit einsetzbare Maschinen zu übertragen.

In jedem Fall spiegelt die Partnerschaft wider, wohin sich fortgeschrittene Robotik bewegt: weniger Fokus auf isolierte Hardwareverbesserungen und mehr Aufmerksamkeit für die Daten und die Verkörperung, die Roboter brauchen, um mit etwas näher an menschlichem Urteilsvermögen mit der physischen Welt umzugehen.

This article is based on reporting by The Robot Report. Read the original article.