ABB आणि PSYONIC टच डेटाच्या मदतीने robot dexterity सुधारण्याचा प्रयत्न करत आहेत

एक prosthetics कंपनी robotics समस्येला डेटा पुरवत आहे

ABB Robotics आणि PSYONIC यांनी एक collaboration जाहीर केला आहे, ज्याचा उद्देश robotics मधील सर्वात कठीण अनसुलझ्या समस्यांपैकी एक आहे: यंत्रांना प्रत्यक्ष जगात अधिक विश्वासार्ह dexterity देणे. या project मध्ये ABB चा GoFa collaborative robot आणि PSYONIC चा Ability Hand यांचा समावेश आहे, जो myoelectric control, touch sensing आणि compliant mechanics यांवर आधारित prosthetic device आहे.

मुख्य कल्पना सोपी आहे. Prosthetic users अशा वास्तविक interaction data तयार करतात, ज्यातून माणसे वस्तू कशा पकडतात, सोडतात आणि त्यानुसार कसे जुळवून घेतात, हे दिसते. ABB आणि PSYONIC त्या touch आणि motion माहितीचा उपयोग robots ला अशा कामांसाठी प्रशिक्षित करण्यासाठी करू इच्छितात, ज्यांचे automation अजूनही कठीण राहिले आहे.

हे फक्त hardware partnership नाही. human-derived manipulation patterns ना physical AI systems साठी training material मध्ये रूपांतरित करण्याचा प्रयत्न आहे. ABB हा project autonomous versatile robotics या आपल्या broader push शी जोडते, म्हणजे असे robots जे बदलत्या वातावरणात sensing, reasoning, movement आणि manipulation करू शकतील.

Dexterity अजूनही bottleneck का आहे

Industrial automation पुनरावृत्ती, structured motion आणि काटेकोर नियंत्रित वातावरणात खूप चांगले काम करते. पण वस्तूंचा आकार, मृदुता, orientation किंवा fragility बदलली की त्याची reliability कमी होते. तिथे मानवी हात अजूनही प्रबळ राहतात.

ABB नुसार, robotsना fixed routines पलीकडे नेता यायचे असेल, तर वास्तविक-जगातील interactions मधून शिकणे आवश्यक आहे. physical AI मधील प्रगती फक्त perception आणि planning वर नाही, तर idealized lab conditions बाहेर काम करणाऱ्या manipulation वरही अवलंबून आहे, अशी कंपनीची भूमिका आहे.

PSYONIC ची technology या भागीदारीला उपयुक्त सुरुवातीचा आधार देते, कारण Ability Hand factory automation साठी नाही, तर human use साठी तयार केली गेली आहे. या system मध्ये pressure sensors आणि vibration feedback आहे, ज्यामुळे usersना contact, grip force आणि release ओळखता येते. त्याची flexible fingers अनियमित आणि deformable वस्तूंना अनुरूप होऊ शकतात, जे अनेक standard industrial grippers मध्ये नसते.

Prosthetic design पासून industrial relevance पर्यंत

PSYONIC चे founder आणि CEO Adeel Akhtar सांगतात की कंपनी prosthetics बाजूने सुरू झाली आणि आता clinical use पर्यंत पोहोचली आहे; याला FDA approval मिळाले आहे आणि 300 पेक्षा जास्त patients हा hand वापरत आहेत. तो United States मध्ये Medicare अंतर्गतही covered आहे. मात्र physical AI मध्ये रुची वाढल्यामुळे मागणीचे संतुलन बदलत असल्याचे ते म्हणतात.

हा बदल सूचित करतो की assistive devices साठी महत्त्वाची features, जसे compliant movement, touch awareness आणि वस्तूंनुसार नैसर्गिक adaptation, robotics environments मध्येही महत्त्वाची आहेत, जिथे rigid tooling एक अडथळा ठरते. suction systems आणि parallel-jaw grippers यांना अनेकदा tool changers लागतात, ज्यामुळे delay, maintenance आणि failure points वाढतात, असा Akhtar यांचा युक्तिवाद आहे.

deformable objects किंवा माणसांभोवतीच्या spaces मध्ये कामासाठी five-fingered hand अधिक नैसर्गिक जुळणं ठरू शकते. त्यामुळे ही भागीदारी दोन प्रवाहांच्या संगमावर आहे: prosthetics अधिक sensor-rich होत आहेत आणि robotics अधिक real-world data वर अवलंबून होत आहे.

GoFa cobot का महत्त्वाचा आहे

ABB चा GoFa हा force- आणि power-limited collaborative robot आहे, त्यामुळे close आणि adaptive interaction वर अवलंबून असलेल्या प्रयोगांसाठी तो योग्य ठरतो, brute-force repetition साठी नाही. या setup मध्ये arm हा Ability Hand आणि त्याच्या data stream साठी एक test platform म्हणून काम करतो.

महत्त्व हे नाही की एक robot hand अचानक सर्व industrial end effectors ची जागा घेईल. महत्त्व हे आहे की sensing-rich hand आणि collaborative arm एकत्र येऊन touch, motion आणि compliance कसे एकत्र काम करावे याची उदाहरणे निर्माण करू शकतात. dynamic environments साठी प्रशिक्षित systems साठी असा data विश्वासार्हपणे निर्माण करणे कठीण असते.

ABB चे नेतृत्व human dexterity ला industrial-grade robotics मध्ये पुन्हा निर्माण करणे सर्वात कठीण गोष्टींपैकी एक मानते. mixed-object picking, fabric handling आणि cluttered bin manipulation सारख्या क्षेत्रांतील वर्षानुवर्षांच्या मंद प्रगतीशी हे मूल्यांकन जुळते. ही collaboration सूचित करते की कंपनी dexterity ला केवळ peripheral improvement नाही, तर robotics capability च्या पुढील टप्प्याचे केंद्र मानते.

Physical AI ला फक्त चांगले model नाही, तर चांगला dataही हवा

physical AI हा शब्द अनेकदा smarter software सूचित करतो. ही भागीदारी उलट मर्यादा अधोरेखित करते: मजबूत models ना grounded interaction dataचीही गरज असते. एक robot soft किंवा awkward object कसे हाताळायचे हे फक्त पाहून शिकू शकत नाही. त्याला contact, force, slippage आणि recovery यांची उदाहरणे लागतात.

म्हणून PSYONIC ची पार्श्वभूमी महत्त्वाची आहे. Prosthetic users दैनंदिन परिस्थितींमध्ये lived manipulation data निर्माण करत आहेत. हे signals robotic training workflows मध्ये रूपांतरित करता आले, तर developersना skilled handling प्रत्यक्षात कसे घडते याचे अधिक समृद्ध चित्र मिळू शकते.

हा deal robotics market मधील व्यापक convergence देखील दर्शवतो. एकेकाळी medical devices, industrial tools आणि AI research platforms म्हणून वेगळ्या असलेल्या technologies आता एकमेकांत मिसळू लागल्या आहेत. domains दरम्यान हलू शकतील असे reusable components आणि data sources कंपन्या शोधत आहेत.

दीर्घकालीन समस्येवर केंद्रित दांव

ABB किंवा PSYONIC या collaborationला finished product launch म्हणून सादर करत नाहीत. हे research and development पाऊल आहे, ज्याचा लक्ष्य उद्योग वर्षानुवर्षे चर्चा करत असलेल्या bottleneck वर आहे. त्यामुळे immediate deployment numbers नसले तरी ही घोषणा महत्त्वाची आहे.

जर project यशस्वी झाला, तर prosthetic touch आणि motion data robot manipulation ला measurable प्रकारे सुधारू शकते हे दाखवण्यात त्याचे मूल्य असेल. जर तसे झाले नाही, तरी human-like grasping ला broadly deployable machines मध्ये रूपांतरित करण्यापासून field किती दूर आहे, हे स्पष्ट होईल.

कोणत्याही परिस्थितीत, ही भागीदारी advanced robotics कोणत्या दिशेने जात आहे हे दाखवते: isolated hardware improvements वर कमी भर, आणि physical world ला मानवाच्या निर्णयाजवळ हाताळण्यासाठी robots ला लागणाऱ्या data आणि embodiment वर अधिक लक्ष.

हा लेख The Robot Report च्या अहवालावर आधारित आहे. मूळ लेख वाचा.