ABB మరియు PSYONIC స్పర్శ డేటాతో robot dexterityను మెరుగుపరచాలని చూస్తున్నాయి

ఒక prosthetics కంపెనీ ఒక robotics సమస్యకు డేటాను అందిస్తోంది

ABB Robotics మరియు PSYONIC robotics‌లోని అత్యంత కఠినమైన పరిష్కారంకాని సమస్యలలో ఒకదాన్ని లక్ష్యంగా చేసుకుని collaboration‌ను ప్రకటించాయి: యంత్రాలకు వాస్తవ ప్రపంచంలో మరింత నమ్మకమైన dexterity ఇవ్వడం. ఈ ప్రాజెక్ట్‌లో ABB యొక్క GoFa collaborative robot మరియు PSYONIC యొక్క Ability Hand ఉన్నాయి, ఇది myoelectric control, touch sensing, మరియు compliant mechanics ఆధారిత prosthetic device.

మూల ఆలోచన సూటిగా ఉంది. Prosthetic users మనుషులు వస్తువులను ఎలా పట్టుకుంటారు, వదులుతారు, మరియు వాటికి అనుగుణంగా ఎలా స్పందిస్తారో చూపే నిజమైన interaction dataను సృష్టిస్తారు. ABB మరియు PSYONIC ఆ touch మరియు motion సమాచారాన్ని robots‌ను ఇప్పటివరకు automate చేయడం కష్టంగా ఉన్న పనులకు శిక్షణ ఇవ్వడానికి ఉపయోగించాలనుకుంటున్నాయి.

ఇది కేవలం hardware partnership కాదు. human-derived manipulation patterns‌ను physical AI systems‌కు training material‌గా మార్చే ప్రయత్నం ఇది. ABB ఈ project‌ను autonomous versatile robotics అనే broader push‌తో కలుపుతోంది, అంటే మారుతున్న వాతావరణాల్లో sensing, reasoning, movement, మరియు manipulation చేయగల robots.

Dexterity ఇంకా bottleneck ఎందుకు

Industrial automation పునరావృత పనులు, నిర్మిత కదలికలు, మరియు గట్టిగా నియంత్రిత వాతావరణాల్లో చాలా బాగా పని చేస్తుంది. కానీ వస్తువుల ఆకారం, మృదుత్వం, దిశ, లేదా నాజూకుతనం మారినప్పుడు దాని నమ్మకత్వం తగ్గుతుంది. అక్కడ మనిషి చేతులు ఇంకా ఆధిపత్యం చెలాయిస్తున్నాయి.

ABB ప్రకారం, robots fixed routines‌కు మించి వెళ్లాలంటే నిజ ప్రపంచ పరస్పర చర్యల నుంచి నేర్చుకోవడం అవసరం. physical AIలో పురోగతి perception మరియు planning మాత్రమే కాకుండా, idealized lab conditions వెలుపల పనిచేసే manipulation‌పై కూడా ఆధారపడుతుందని కంపెనీ భావిస్తోంది.

PSYONIC technology ఈ భాగస్వామ్యానికి ఉపయోగకరమైన ప్రారంభ బిందువును ఇస్తోంది, ఎందుకంటే Ability Hand factory automation కోసం కాదు, human use కోసం రూపొందించబడింది. ఈ systemలో pressure sensors మరియు vibration feedback ఉన్నాయి, వీటితో users contact, grip force, release‌ను గుర్తించగలరు. దాని flexible fingers irregular మరియు deformable objects‌కు సరిపోగలవు, ఇది అనేక standard industrial grippers‌లో ఉండదు.

Prosthetic design నుంచి industrial relevance వరకు

PSYONIC founder మరియు CEO Adeel Akhtar ప్రకారం, కంపెనీ prosthetics వైపున ప్రారంభమై, ఇప్పుడు clinical use వరకు వచ్చింది; దీనికి FDA approval ఉంది మరియు 300కి పైగా patients ఈ handను వాడుతున్నారు. ఇది United Statesలో Medicare కింద కూడా covered. కానీ physical AIపై ఆసక్తి పెరిగేకొద్దీ demand balance మారిందని ఆయన చెబుతున్నారు.

ఈ మార్పు ముఖ్యమైనది. assistive devices‌లో ముఖ్యమైన compliant movement, touch awareness, మరియు objects‌కు సహజంగా అనుగుణంగా మారడం వంటి లక్షణాలు robotics environments‌లో కూడా అవసరమే, అక్కడ rigid tooling ఒక పరిమితిగా మారుతుంది. suction systems మరియు parallel-jaw grippers‌కు తరచుగా tool changers అవసరమవుతాయని Akhtar వాదిస్తున్నారు, దీని వల్ల delay, maintenance, failure points పెరుగుతాయి.

deformable objects లేదా మనుషుల చుట్టూ ఉన్న spaces‌లో పని చేయడానికి five-fingered hand మరింత సహజంగా సరిపోవచ్చు. అందువల్ల ఈ partnership రెండు ధోరణుల సంగమంలో ఉంది: prosthetics మరింత sensor-rich అవ్వడం, robotics మరింత real-world dataపై ఆధారపడడం.

GoFa cobot ఎందుకు ముఖ్యం

ABB యొక్క GoFa ఒక force- మరియు power-limited collaborative robot, కాబట్టి brute-force repetition కన్నా close మరియు adaptive interaction ఆధారంగా ఉండే ప్రయోగాలకు ఇది అనువైనది. ఈ setupలో arm, Ability Hand మరియు దాని data stream కోసం ఒక test platform‌గా పనిచేస్తుంది.

దీని ప్రాముఖ్యత ఒక robot hand అకస్మాత్తుగా అన్ని industrial end effectors‌ను భర్తీ చేస్తుందనే కాదు. sensing-rich hand మరియు collaborative arm కలిసి touch, motion, మరియు compliance ఎలా కలిసి పని చేయాలో ఉదాహరణలను సృష్టించగలవు అనేదే అసలు విషయం. dynamic environments కోసం శిక్షణ పొందే systems‌కు ఇలాంటి dataని నమ్మకంగా రూపొందించడం కష్టం.

ABB leadership human dexterityను industrial-grade robotics‌లో పునరుత్పత్తి చేయడం అత్యంత కఠినమైన విషయాల్లో ఒకటిగా చూస్తోంది. mixed-object picking, fabric handling, cluttered bin manipulation వంటి రంగాల్లో సంవత్సరాలుగా నెమ్మదిగా పురోగతి ఉండటంతో ఈ అభిప్రాయం సరిపోతుంది. ఈ collaboration dexterityని ఒక peripheral improvement‌గా కాదు, robotics capability యొక్క తదుపరి దశకు కేంద్రంగా కంపెనీ చూస్తోందని సూచిస్తుంది.

Physical AIకి మెరుగైన model మాత్రమే కాదు, మెరుగైన data కూడా అవసరం

physical AI అనే పదం ఎక్కువగా smarter softwareని సూచిస్తుంది. ఈ partnership దానికి విరుద్ధమైన పరిమితిని హైలైట్ చేస్తోంది: బలమైన models‌కూ grounded interaction data అవసరం. ఒక robot soft లేదా awkward object‌ను ఎలా నిర్వహించాలో కేవలం చూసి నేర్చుకోలేడు. contact, force, slippage, మరియు recovery ఉదాహరణలు కావాలి.

అందుకే PSYONIC నేపథ్యం ముఖ్యమైనది. Prosthetic users రోజువారీ పరిస్థితుల్లో lived manipulation dataని ఉత్పత్తి చేస్తున్నారు. ఆ signals‌ని robotic training workflows‌గా మార్చగలిగితే, developers‌కు skilled handling నిజంగా ఎలా జరుగుతుందో మరింత సంపన్నమైన దృశ్యం లభించవచ్చు.

ఈ deal robotics marketలో విస్తృత convergenceను కూడా ప్రతిబింబిస్తోంది. ఒకప్పుడు medical devices, industrial tools, AI research platforms‌గా వేరుగా ఉన్న technologies ఇప్పుడు ఒకదానిలో ఒకటి కలుస్తున్నాయి. domains మధ్య ప్రయాణించగల reusable components మరియు data sources కోసం companies వెతుకుతున్నాయి.

దీర్ఘకాల సమస్యపై దృష్టి పెట్టిన పందెం

ABB గానీ PSYONIC గానీ ఈ collaborationను finished product launchగా చూపడం లేదు. ఇది yearsగా industry చర్చిస్తున్న bottleneck‌పై దృష్టి పెట్టిన research and development చర్య. అందుకే immediate deployment numbers లేకపోయినా ఈ ప్రకటన ముఖ్యమైనది.

Project పనిచేస్తే, prosthetic touch మరియు motion data robot manipulation‌ను measurable మార్గాల్లో మెరుగుపరచగలదని చూపడంలో దాని విలువ ఉంటుంది. పనిచేయకపోయినా, human-like grasping‌ను broadly deployable machines‌గా మార్చడంలో field ఎంత దూరంలో ఉందో స్పష్టత ఇస్తుంది.

ఏ పరిస్థితిలోనైనా, advanced robotics ఏ దిశగా వెళ్తుందో ఈ partnership చూపిస్తోంది: isolated hardware improvements‌పై తక్కువ దృష్టి, physical worldను మనుషుల తీర్పుకు దగ్గరగా నిర్వహించడానికి robotsకి కావలసిన data మరియు embodiment‌పై ఎక్కువ దృష్టి.

ఈ వ్యాసం The Robot Report నివేదిక ఆధారంగా ఉంది. మూల వ్యాసాన్ని చదవండి.