தொடுபுணர்வு உணர்வு இன்னும் ரோபோட்டிக்ஸின் கடினமான நடைமுறை சிக்கல்களில் ஒன்றாக உள்ளது
தொழில்துறை மற்றும் சேவை ரோபோக்கள் உலகை பார்க்கும் திறனில் பெரிதும் மேம்பட்டுள்ளன, ஆனால் தொடுதல் பகுதியில் பல அமைப்புகள் இன்னும் குறைவாகவே உள்ளன. ஒரு ரோபோ மெல்லிய, நெகிழ்வான, பிரதிபலிக்கும், அல்லது ஒழுங்கற்ற பொருட்களை கையாள வேண்டியபோது அந்த குறைபாடு குறிப்பாகத் தெளிவாகிறது; இவற்றை கணினி பார்வை மட்டும் நேரடி நேரத்தில் போதுமான துல்லியத்துடன் விளக்க முடியாது. XELA Robotics தனது சமீபத்திய தொடுபுணர்வு உணர்வு மேம்பாடுகளை இந்த வரம்புக்கு நேரடியான பதிலாக நிலைநிறுத்துகிறது.
மூல அறிக்கையின்படி, இந்த நிறுவனம் 2026 Robotics Summit & Expo-வில் பாஸ்டனில் பல புதிய திறன்களை காட்சிப்படுத்த திட்டமிட்டுள்ளது. இதில் சென்சார் வன்பொருள், காந்தக் குறுக்கீடு ஈடுசெய்தல், மற்றும் நுட்பமான பிடிப்பு பணிகளுடன் தொடர்புடைய மென்பொருள் மேம்பாடுகள் அடங்கும். பட்டியலில் ஆறு அச்சு விசை-உணர்திறன் கொண்ட நகம் மற்றும் pulp பகுதியில் 30 tri-axial விசை உணர்வு புள்ளிகள் கொண்ட ரோபோ விரல் நுனி, அதன் uSkin சென்சார்கள் திறந்த மூல Universal Manipulation Interface-இல் ஒருங்கிணைப்பு, மேலும் அருகிலுள்ள காந்தங்கள் அல்லது ferromagnetic பொருட்களால் ஏற்படும் சிக்கலான காந்தக் குறுக்கீடுகளை நீக்க உருவாக்கப்பட்ட புதிய ஈடுசெய்தல் நுட்பங்கள் ஆகியவை உள்ளன.
காகிதத்தில் இந்த தொகுப்பு சிறிது சிறிதாக சேர்த்தது போல தோன்றலாம். ஆனால் ரோபோட்டிக்ஸில் அது அப்படியல்ல. விளிம்பு நிலைகளைக் கையாளும் திறனே பெரும்பாலும் ஒரு அமைப்பு ஆராய்ச்சி காட்சிப்படுத்தலாகவே இருப்பதா அல்லது உண்மையில் செயல்பாட்டு பயனுள்ளதாக மாறுவதா என்பதை தீர்மானிக்கிறது.
விசை-உணர்திறன் கொண்ட ரோபோ நகம் ஏன் முக்கியம்
மூல உரை XELA-வின் விசை-உணர்திறன் கொண்ட ரோபோ விரல் நுனியை தொழில்துறையின் முதலாக விவரிக்கிறது. நடைமுறை நோக்கம் எளிதானது: அட்டைகள், சாவிகள், அல்லது டேப் போன்ற பொருட்கள் கையாள கடினம், ஏனெனில் அவற்றின் மிகப் பயனுள்ள பிடிப்புப் பண்புகள் மெல்லியதாக, ஆழமற்றதாக, அல்லது மேற்பரப்புகளில் பகுதியளவில் புதைந்ததாக இருக்கலாம். மென்மையான தொடர்புப் பகுதியினூடாகவும் நகம்போன்ற அமைப்பினூடாகவும் விசைகளை உணரக்கூடிய விரல் நுனி, கட்டுப்படுத்தப்பட்ட தொடர்புக்கான அதிக வாய்ப்புகளை ரோபோவுக்கு வழங்குகிறது.
அந்த வடிவமைப்பு மனிதர்கள் நுட்பமான கையாளுதலுக்கு நகங்களைப் பயன்படுத்தும் முறையை ஓரளவு ஒத்துள்ளது. மனிதர்கள் பொருட்களை தோலால் மட்டும் கிள்ளிப் பிடிப்பதில்லை. அவர்கள் இடையில் நுழைக்கிறார்கள், உரைக்கிறார்கள், ஓரங்களைத் தூக்குகிறார்கள், மற்றும் உறுதியான அமைப்புகளை நெம்புகோல் போலப் பயன்படுத்துகிறார்கள். சாதாரண பிடிப்பிகளைப் பெரிதான பிடிப்பிற்கே மேம்படுத்தி வடிவமைப்பதால், சிறிய அளவிலான துல்லிய இயக்கங்களை ரோபோட்டிக்ஸ் நீண்ட காலமாகப் பிரதிபலிக்க சிரமப்பட்டு வருகிறது.
XELA-வின் அமலாக்கம் வாக்குறுதியளித்தபடி செயல்பட்டால், அது தனி ஒரு நுட்பமான கூறாக இருப்பதைவிட, ரோபோ தொடுதல் மேலும் உடலமைப்பியல் மற்றும் செயல்பாட்டு அடுக்குகளைக் கொண்டதாக மாறுகிறது என்பதற்கான அறிகுறியாக அதிக முக்கியத்துவம் பெறும்.
காந்தக் குறுக்கீடு ஈடுசெய்தல் தொழிற்சாலை தரத்திலான கட்டுப்பாட்டை எடுத்துக்கொள்கிறது
காந்தக் குறுக்கீடு மேம்பாடு நிஜப் பயன்பாடுகளுக்கு இன்னும் முக்கியமானதாக இருக்கலாம். அருகிலுள்ள காந்தங்கள் அல்லது ferromagnetic பொருட்களால் ஏற்படும் சிக்கலான காந்தக் குறுக்கீடுகளை புதிய அமைப்பு நீக்க முடியும்; இது முன்பு இருந்த add-on பெரும்பாலான குறுக்கீடுகளை கையாண்டாலும், சென்சார்களுக்கு மிக அருகிலுள்ள வலுவான, சிறிய காந்தங்களுக்கு மட்டும் செயல்படாமல் இருந்ததை விட விரிவானதாகும் என்று மூல அறிக்கை கூறுகிறது.
இது மிகுந்த நடைமுறை சிக்கல். தொழிற்சாலைகள் மற்றும் சிறப்பு அசெம்ப்ளி சூழல்கள் சுத்தமான ஆய்வக நிலைகளை வழங்குவதில்லை. ஒரு தொடுபுணர்வு உணர்வு அமைப்பு உலோகப் பகுதிகள், காந்தக் கிளிப்புகள், அல்லது கருவிகளின் அருகில் நம்பகமற்றதாக மாறினால், துல்லியமான ரோபோ கையாளுதல் மிகவும் பயனுள்ளதாக இருக்கும் அதே இடங்களில் அதன் மதிப்பு கடுமையாக குறைந்து விடுகிறது.
குறுக்கீட்டை நேரடியாக குறிவைப்பதன் மூலம், XELA ரோபோட்டிக்ஸில் மீண்டும் மீண்டும் தெளிவாகும் ஒரு உண்மையை ஏற்றுக்கொள்கிறது: உணர்வு முன்னேற்றங்கள் தொழில்துறை சத்தத்தைத் தாங்கும்போது மட்டுமே முக்கியமாகும். மேஜையில் சிறப்பாக வேலை செய்யும் ஆனால் உற்பத்தி வரிசையில் விலகிவிடும் ஒரு சென்சார், ஒரு தள நன்மை அல்ல. அது ஒரு காட்சிப் பொருள் மட்டும்.
திறன் பரிமாற்றமும் கையாளுதல் தரவுகளும் ஒருங்கிணைந்து வருகின்றன
XELA தனது தொடுபுணர்வு அமைப்பை Universal Manipulation Interface-இல் இணைக்கிறது. இது AI மூலம் இயக்கப்படும் மனிதரிலிருந்து ரோபோவிற்கான திறன் பரிமாற்றத்தை ஆதரிக்க வடிவமைக்கப்பட்ட திறந்த மூல பிடிப்பி தளமாகும். தினசரி செயல்களை மனிதர்கள் செய்து காட்டும் demonstration-கள், பின்னர் ரோபோக்கள் அவற்றை மீண்டும் செய்ய கற்றுக்கொள்வது ஆகியவற்றைச் செயல்படுத்தும் தரவு சேகரிப்பு செயல்முறையில் uSkin பகிர்ந்த விசை-வெக்டர் அளவீடுகளை சேர்க்கிறது என்று மூல உரை கூறுகிறது.
AI ரோபோட்டிக்ஸில் தொடுபுணர்வு உணர்வு மூலமாக மூலதன ரீதியாக சுவாரசியமாகிறது என்பதும் இதுதான். பார்வை என்ன நடந்தது என்பதைக் காட்ட முடியும். தொடுதல், அந்த கையாளுதல் ஏன் வெற்றியடைந்தது என்பதை விளக்க உதவும். ஊற்றுதல், எடுப்பது, அல்லது பொருட்களை மறுபதவியிடுவது போன்றவற்றைக் கற்றுக்கொள்ளும் ஒரு ரோபோ, பாதைகள் மற்றும் பொருள் இருப்பிடங்களுடன் கூடுதலாக, செயல்பாட்டை நிலைத்துவைத்த தொடர்பு விசைகளையும் அறிந்தால் பயன் பெறுகிறது. தொடுபுணர்வு தரவு காணப்பட்ட நடத்தை மற்றும் செயல்படுத்தக்கூடிய திறன் ஆகியவற்றுக்கிடையிலான இடைவெளியின் ஒரு பகுதியை மூட முடியும்.
அது பொதுப் பயன்பாட்டு துல்லிய இயக்கத்தை உறுதிப்படுத்தாது. ஆனால் இன்னும் குறுகிய சூழல்களிலிருந்து வெளியே வந்தபோது சிரமப்படும் கையாளுதல் அமைப்புகளுக்கான செறிவான பயிற்சி தரவுக்கான ஒரு பாதையை அது சுட்டிக்காட்டுகிறது.
உண்மையான சோதனை என்பது மேம்பாடுகள் பணியின் நழுவல் தன்மையை குறைக்கிறதா என்பதுதான்
நிறுவனம் திட்டமிட்டுள்ள காட்சிப்படுத்தல்களில் காகித origami crane மற்றும் குவெயில் முட்டை ஆகியவை இடம்பெறுகின்றன; இரண்டும் fragile-object handling-ஐ வலியுறுத்தத் தேர்ந்தெடுக்கப்பட்டவை. புதிய மென்பொருள் machine vision, மேம்படுத்தப்பட்ட robot arm control, மற்றும் advanced tasks-ஐ வேகமாக உருவாக்க உதவும் third-party graphical interface ஆகியவற்றைப் பயன்படுத்துகிறது என்றும் மூல அறிக்கை குறிப்பிடுகிறது.
அவை ஒரு முக்கிய தொழில்துறை மாற்றத்தைக் காட்டுகின்றன. திறமையான ரோபோட்டிக்ஸ் இப்போது ஒரு தனி breakthrough component பற்றியது குறைவாகவும், sensing, perception, control, மற்றும் task tooling ஆகியவற்றுக்கிடையிலான ஒருங்கிணைப்பைப் பற்றியது அதிகமாகவும் மாறி வருகிறது. சிறந்த விரல் நுனி வன்பொருள் மட்டும் போதாது. புதிய ஒவ்வொரு manipulation problem-இலும் பொறியியல் சுமையை குறைக்கும் விதத்தில் அது vision, controllers, மற்றும் development software-உடன் செயல்பட வேண்டும்.
XELA-வின் அறிவிப்புகள் இன்னும் demonstration நிலையில் உள்ள company claims ஆகவே இருப்பதால், எச்சரிக்கை அவசியம். ஆனால் திசை நம்பகமானதும் பயனுள்ளதுமானதாக இருக்கிறது. ஒரு பெட்டியைப் பிடிப்பது சாத்தியம் என்பதற்கான மேலும் ஆதாரம் ரோபோட்டிக்ஸுக்குத் தேவையில்லை. இன்றைய ரோபோக்கள் தோல்வியடையும் பொருட்களுக்கு, குறிப்பாக நுட்பமான, மெல்லிய, வழுக்கலான, அல்லது சத்தமுள்ளவற்றுக்கு, சிறந்த அமைப்புகள் தேவை. அவை முன்கூட்டிய கருதுகோள்களை உடைத்து, தொடுதலின் பலவீனத்தை வெளிப்படுத்துகின்றன. XELA அதற்கிடையிலான இடைவெளியைச் சுருக்க முயல்கிறது.
இந்தக் கட்டுரை The Robot Report-இன் செய்திப்படிப்பை அடிப்படையாகக் கொண்டது. அசல் கட்டுரையைப் படிக்கவும்.
Originally published on therobotreport.com
