ABB மற்றும் PSYONIC தொடு தரவைப் பயன்படுத்தி robot dexterity-ஐ மேம்படுத்த முயலுகின்றன

ஒரு prosthetics நிறுவனம் robotics சிக்கலுக்கு தரவை வழங்குகிறது

ABB Robotics மற்றும் PSYONIC ஒன்று சேர்ந்து, robotics-இன் மிகக் கடினமான தீர்க்கப்படாத சவால்களில் ஒன்றை நோக்கி ஒத்துழைப்பை அறிவித்துள்ளன: இயந்திரங்களுக்கு நிஜ உலகில் நம்பகமான dexterity-ஐ வழங்குவது. இந்த திட்டத்தில் ABB-யின் GoFa collaborative robot மற்றும் PSYONIC-இன் Ability Hand ஆகியவை இணைக்கப்படுகின்றன; இது myoelectric control, touch sensing, மற்றும் compliant mechanics அடிப்படையிலான prosthetic device ஆகும்.

மையக் கருத்து எளிமையானது. Prosthetic பயனர்கள் மனிதர்கள் பொருட்களை எப்படிப் பிடிக்கிறார்கள், விடுகிறார்கள், மற்றும் சூழலுக்கு ஏற்ப தங்களை எப்படிச் சரிசெய்கிறார்கள் என்பதை காட்டும் நிஜ interaction data-ஐ உருவாக்குகிறார்கள். அந்த touch மற்றும் motion தகவல் ஓட்டத்தைப் பயன்படுத்தி, இதுவரை automate செய்ய கடினமாக இருந்த பணிகளுக்காக robots-ஐ பயிற்றுவிக்க ABB மற்றும் PSYONIC விரும்புகின்றன.

இது hardware partnership மட்டுமல்ல. மனிதர்களிடமிருந்து வந்த manipulation patterns-ஐ physical AI systems-க்கான training material-ஆக மாற்றும் முயற்சிதான். ABB இந்த project-ஐ autonomous versatile robotics என அழைக்கும் தனது broader push-உடன் இணைக்கிறது; அதாவது மாறும் சூழல்களில் sense செய்யவும், reasoning செய்யவும், நகரவும், பொருட்களை கையாளவும் கூடிய robots.

Dexterity இன்னும் bottleneck ஆக இருப்பதற்கான காரணம்

Industrial automation மீளச்செயல், கட்டமைக்கப்பட்ட இயக்கம், மற்றும் கடுமையாக கட்டுப்படுத்தப்பட்ட சூழல்களில் சிறப்பாக செயல்படுகிறது. ஆனால் பொருட்களின் வடிவம், மென்மை, திசை, அல்லது நுணுக்கம் மாறும்போது அதன் நம்பகத்தன்மை குறைகிறது. அங்கு மனித கைகள் இன்னும் மேலோங்குகின்றன.

ABB கூறுவதாவது, robots fixed routines-ஐத் தாண்டி செல்ல வேண்டுமெனில் நிஜ உலக தொடர்புகளிலிருந்து கற்றுக்கொள்ளுதல் அவசியம். physical AI-இல் முன்னேற்றம் perception மற்றும் planning மட்டுமல்ல, idealized lab conditions-க்கு வெளியே செயல்படும் manipulation-க்கும் சார்ந்துள்ளது என்பதே நிறுவனத்தின் நிலைப்பாடு.

PSYONIC-இன் தொழில்நுட்பம் இந்த கூட்டாண்மைக்கு பயனுள்ள தொடக்கத்தை அளிக்கிறது, ஏனெனில் Ability Hand தொழிற்சாலை automation-க்காக அல்ல, மனிதப் பயன்பாட்டுக்காக உருவாக்கப்பட்டது. இந்த system-இல் pressure sensors மற்றும் vibration feedback உள்ளன; இது பயனர்கள் contact, grip force, release ஆகியவற்றை உணர உதவுகிறது. அதன் flexible fingers irregular மற்றும் deformable பொருட்களுக்கு ஏற்ப வடிவமைக்க முடியும்; இது பல standard industrial grippers-இல் இல்லை.

Prosthetic design-இலிருந்து industrial relevance-க்கு

PSYONIC founder மற்றும் CEO Adeel Akhtar கூறுவதாவது, நிறுவனம் prosthetics பக்கத்தில் தொடங்கி, இப்போது clinical use-க்கு வந்துள்ளது; FDA approval கிடைத்துள்ளது, மேலும் 300-க்கும் அதிகமான patients இந்த hand-ஐ பயன்படுத்துகிறார்கள். இது அமெரிக்காவில் Medicare மூலமும் covered ஆகிறது. ஆனால் physical AI-க்கு ஆர்வம் அதிகரித்ததால் demand balance மாறிவிட்டதாக அவர் கூறுகிறார்.

இந்த மாற்றம் முக்கியமானது. assistive devices-இல் முக்கியமான compliant movement, touch awareness, மற்றும் பொருட்களுக்கு இயல்பான adaptation போன்ற அம்சங்கள் robotics environments-இலும் முக்கியமானவை; அங்கு rigid tooling ஒரு கட்டுப்பாடாக மாறுகிறது. suction systems மற்றும் parallel-jaw grippers-க்கு பெரும்பாலும் tool changers தேவைப்படுவதாக Akhtar வாதிடுகிறார், இதனால் delay, maintenance, failure points அதிகரிக்கின்றன.

deformable objects அல்லது மனிதர்களை மையமாகக் கொண்ட spaces-இல் வேலை செய்வதற்கு five-fingered hand அதிக இயல்பான தேர்வாக இருக்கலாம். எனவே இந்த கூட்டாண்மை இரண்டு போக்குகளின் சந்திப்பில் இருக்கிறது: prosthetics அதிக sensor-rich ஆகிவருதல், robotics அதிக real-world data-க்கு சார்ந்திருத்தல்.

GoFa cobot ஏன் முக்கியம்

ABB-யின் GoFa ஒரு force- மற்றும் power-limited collaborative robot; brute-force repetition அல்ல, close மற்றும் adaptive interaction தேவையான பரிசோதனைகளுக்கு இது பொருத்தமானது. இந்த அமைப்பில் arm, Ability Hand மற்றும் அதன் data stream-க்கு ஒரு test platform போல செயல்படுகிறது.

இதன் முக்கியத்துவம் ஒரு robot hand திடீரென எல்லா industrial end effectors-ஐ மாற்றிவிடும் என்பதல்ல. முக்கியத்துவம் என்னவெனில், sensing-rich hand மற்றும் collaborative arm இணைந்து touch, motion, compliance ஆகியவை ஒன்றாக எப்படி செயல்பட வேண்டும் என்பதற்கான உதாரணங்களை உருவாக்க முடியும். dynamic environments-க்காக பயிற்சி செய்யப்படும் systems-க்கு இப்படியான data-ஐ நம்பத்தகுந்த முறையில் உருவாக்குவது கடினம்.

ABB leadership human dexterity-ஐ industrial-grade robotics-இல் மீண்டும் உருவாக்குவது மிகவும் கடினமான விஷயங்களில் ஒன்றாகக் கருதுகிறது. mixed-object picking, fabric handling, cluttered bin manipulation போன்ற பகுதிகளில் வருடங்களாக முன்னேற்றம் மெதுவாக இருந்ததுடன் இந்த மதிப்பீடு பொருந்துகிறது. இந்த collaboration, dexterity-ஐ ஒரு peripheral improvement ஆக அல்ல, robotics capability-இன் அடுத்த கட்டத்தின் மையமாக நிறுவனம் பார்க்கிறது என்பதை சுட்டிக்காட்டுகிறது.

Physical AI-க்கு சிறந்த model மட்டும் போதாது, சிறந்த data-வும் தேவை

physical AI என்ற சொற்றொடர் பெரும்பாலும் smarter software-ஐ குறிப்பதாகத் தோன்றுகிறது. இந்த partnership அதற்கு மாறான கட்டுப்பாட்டை வலியுறுத்துகிறது: வலுவான models-க்கும் grounded interaction data தேவை. ஒரு robot soft அல்லது awkward object-ஐ எப்படி கையாளுவது என்பதை வெறும் பார்வையால் கற்றுக்கொள்ள முடியாது. contact, force, slippage, recovery ஆகிய உதாரணங்கள் வேண்டும்.

அதனால்தான் PSYONIC-இன் பின்னணி முக்கியமானது. Prosthetic பயனர்கள் தினசரி சூழல்களில் lived manipulation data-ஐ உருவாக்குகிறார்கள். அந்த signals-ஐ robotic training workflows-ஆக மாற்ற முடிந்தால், skilled handling உண்மையில் எப்படி நிகழ்கிறது என்பதைக் developers மேலும் செறிவாகப் புரிந்துகொள்ளலாம்.

இந்த deal robotics market-இல் பரந்த convergence-ஐயும் காட்டுகிறது. ஒருகாலத்தில் medical devices, industrial tools, AI research platforms எனப் பிரிந்திருந்த technologies இப்போது ஒன்றோடொன்று மோதத் தொடங்கியுள்ளன. பல துறைகளுக்கு இடையே நகரக்கூடிய reusable components மற்றும் data sources-ஐ நிறுவனங்கள் தேடி வருகின்றன.

நீண்டகால பிரச்சினையில் கவனம் செலுத்திய ஒரு பந்தயம்

ABB மற்றும் PSYONIC இரண்டுமே இந்த கூட்டாண்மையை முடிந்த product launch-ஆக முன்வைக்கவில்லை. இது research and development முயற்சி; பல ஆண்டுகளாக industry பேசும் bottleneck-ஐ மையமாகக் கொண்டது. அதனால் உடனடி deployment numbers இல்லாவிட்டாலும் இந்த அறிவிப்பு முக்கியமானது.

Project வெற்றி பெற்றால், prosthetic touch மற்றும் motion data robot manipulation-ஐ அளவிடக்கூடிய வகையில் மேம்படுத்த முடியும் என்பதைக் காட்டுவதில்தான் அதன் மதிப்பு இருக்கும். அது முடியாவிட்டாலும், human-like grasping-ஐ பரவலாக deploy செய்யக்கூடிய machines-க்கு மாற்றுவதிலிருந்து field எவ்வளவு தூரத்தில் இருக்கிறது என்பதை தெளிவுபடுத்தும்.

எப்படியானாலும், advanced robotics எந்த திசையில் நகர்கிறது என்பதை இந்த partnership காட்டுகிறது: தனித்த hardware மேம்பாடுகளுக்கு குறைந்த முக்கியத்துவம், மற்றும் robots-ஐ மனிதனுக்கு நெருக்கமான தீர்ப்புடன் physical world-ஐ கையாளச் செய்ய வேண்டிய data மற்றும் embodiment-க்கு அதிக கவனம்.

இந்தக் கட்டுரை The Robot Report செய்தியறிக்கையை அடிப்படையாகக் கொண்டது. மூலக் கட்டுரையைப் படிக்கவும்.