ABB आणि PSYONIC touch data च्या मदतीने robot dexterity सुधारण्यावर काम 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 निर्माण 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. हे 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, संरचित हालचाल आणि काटेकोर नियंत्रित वातावरणात खूप चांगले काम करते. पण वस्तूंचा आकार, मऊपणा, दिशा किंवा नाजूकपणा बदलला की त्याची reliability कमी होते. तिथे मानवाचे हात अजूनही श्रेष्ठ राहतात.

ABB नुसार, robotsना fixed routines पलीकडे नेता यायचे असेल, तर real-world interactions मधून शिकणे आवश्यक आहे. कंपनीचा दृष्टिकोन असा आहे की physical AI मधील प्रगती फक्त perception आणि planning वर नाही, तर idealized lab conditions बाहेर काम करणाऱ्या manipulation वर अवलंबून आहे.

PSYONIC ची technology या partnership ला उपयुक्त सुरुवात देते, कारण Ability Hand ही मूळतः factory automation साठी नव्हे, 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 कंपनीची सुरुवात prosthetics बाजूने झाली आणि ती आता clinical use पर्यंत पोहोचली आहे; याला FDA approval मिळाले असून 300 पेक्षा जास्त patients हा hand वापरत आहेत. तो United States मध्ये Medicare अंतर्गतही covered आहे. मात्र physical AI मध्ये रुची वाढल्यामुळे मागणीचा तोल 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 अडथळा ठरते. Akhtar यांचा युक्तिवाद असा आहे की suction systems आणि parallel-jaw grippers यांना अनेकदा tool changers लागतात, ज्यामुळे delay, maintenance आणि failure points वाढतात.

deformable objects किंवा माणसांभोवती बांधलेल्या spaces मधील कामासाठी five-fingered hand अधिक नैसर्गिक जुळणं ठरू शकते. त्यामुळे ही partnership 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 एकत्र कसे 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 पुनरुत्पादित करणे सर्वात कठीण गोष्टींपैकी एक मानते. हे मूल्यांकन mixed-object picking, fabric handling आणि cluttered bin manipulation सारख्या क्षेत्रांतील वर्षानुवर्षांच्या मंद प्रगतीशी जुळते. ही collaboration सूचित करते की कंपनी dexterity ला केवळ peripheral improvement न मानता, robotics capability च्या पुढील टप्प्याचे केंद्र मानते.

Physical AI ला फक्त चांगली model नाही, तर चांगला data हवा

physical AI हा शब्द अनेकदा अधिक हुशार software सूचित करतो. ही partnership त्याउलट अडचण अधोरेखित करते: मजबूत models ना grounded interaction data चीही गरज असते. एक robot soft किंवा अवघड वस्तू कशी हाताळायची 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. कधी medical devices, industrial tools आणि AI research platforms मध्ये वेगळ्या असलेल्या technologies आता एकमेकांत मिसळू लागल्या आहेत. कंपन्या अशा reusable components आणि data sources शोधत आहेत जे domains दरम्यान हलू शकतील.

दीर्घकालीन समस्येवर केंद्रित दांव

ना ABB ना PSYONIC ही collaboration अंतिम product launch म्हणून सादर करत आहेत. हे research and development पाऊल आहे, ज्याचे लक्ष्य उद्योग वर्षानुवर्षे चर्चेत ठेवत असलेले bottleneck आहे. त्यामुळे तात्काळ deployment numbers नसले तरी ही घोषणा महत्त्वाची आहे.

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

दोन्ही परिस्थितींमध्ये, ही partnership दाखवते की advanced robotics कोणत्या दिशेने जात आहे: isolated hardware improvements वर कमी भर, आणि robotsना physical world अधिक मानवसदृश निर्णयक्षमतेने हाताळण्यासाठी लागणाऱ्या data आणि embodiment वर अधिक लक्ष.

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