一家假肢公司正在为机器人难题提供数据
ABB Robotics和PSYONIC宣布展开合作，目标直指机器人领域最难解决的任务之一：让机器在真实世界中拥有更可靠的灵巧性。该项目将ABB的GoFa协作机器人与PSYONIC的Ability Hand结合在一起。后者是一种围绕肌电控制、触觉感知和顺应性机械结构设计的假肢设备。
核心思路很简单。假肢使用者会产生关于人类如何抓取、松开和适应物体的真实交互数据。ABB和PSYONIC希望利用这些触觉与运动信息来训练机器人，使其能够处理那些一直难以自动化的任务。
这让该合作不只是一次硬件联手，而是试图把源自人类的操作模式转化为物理AI系统的训练材料。ABB明确将该项目与其更广泛的推进联系起来，即其所称的自主多能机器人，也就是能够在变化环境中感知、推理、移动并操控物体的机器人。
为什么灵巧性仍然是瓶颈
工业自动化在重复作业、结构化动作和严格受控环境中已经做得很好。但当物体在形状、柔软度、方向或脆弱性上发生变化时，它的可靠性就要差得多。正是在这一点上，人类的手仍然占据主导。
ABB认为，如果机器人要超越固定流程，就必须从真实世界的交互中学习。公司的立场是，物理AI的进步不仅取决于感知和规划，还取决于能在理想化实验室条件之外工作的操作能力。
PSYONIC的技术为这项合作提供了一个有用的起点，因为Ability Hand最初是为人类使用而设计的，而不是为工厂自动化而生。该系统包含压力传感器和振动反馈，使用户能够感知接触、抓握力和释放。其灵活手指可以贴合不规则和可变形物体，这正是许多标准工业夹爪所缺乏的能力。
从假肢设计到工业价值
PSYONIC创始人兼CEO Adeel Akhtar表示，公司最初从假肢领域起步，已经进入临床使用阶段，获得FDA批准，且有300多名患者在使用这只手。在美国，它也被Medicare覆盖。但他表示，随着对物理AI的兴趣加速，需求重心已经发生变化。
这种变化很能说明问题。在辅助设备中重要的特性，例如顺应性运动、触觉感知和对物体的自然适应，在机器人环境中同样重要，因为刚性工具会成为限制。Akhtar认为，吸附系统和并联夹爪通常需要换工具装置，这会增加延迟、维护和故障点。
对于处理可变形物体或围绕人类构建的空间，五指手可能是更自然的选择。因此，这项合作处于两个趋势的交汇点：假肢变得更富传感能力，机器人则越来越依赖真实世界数据。
为什么GoFa协作机器人很关键
ABB的GoFa是一款受力和功率限制的协作机器人，因此适合依赖近距离、自适应交互而不是蛮力重复的实验。在这种设置下，这只机械臂实际上成为Ability Hand及其数据流的测试平台。
其意义并不在于某一只机器人手会突然全面取代工业末端执行器，而在于一只传感能力丰富的手与协作机械臂结合后，能够生成关于触觉、运动和顺应性如何协同工作的样例。对于旨在动态环境中运行的训练系统来说，这类数据很难被令人信服地伪造。
ABB领导层把人类灵巧性描述为工业级机器人中最难再现的能力之一。这一判断与多年来在混合物体抓取、布料处理和杂乱料箱拣选等领域缓慢推进的现状相吻合。此次合作表明，公司并不把灵巧性视为边缘改进，而是视为下一阶段机器人能力的核心。
物理AI需要更好的数据，而不仅仅是更好的模型
“物理AI”这个说法往往意味着更聪明的软件。这次合作强调的是相反的限制：即便是强大的模型，也需要扎根于现实的交互数据。机器人不能只靠看一眼就学会如何处理柔软或别扭的物体，它需要接触、力量、打滑和纠正的样例。
这正是PSYONIC背景的重要性。假肢使用者实际上在日常场景中生成了真实的操作数据。如果这些信号能够被转化为机器人训练流程，开发者就能更全面地理解熟练操控究竟是如何发生的。
这项协议也反映了机器人市场更广泛的融合。曾经分隔在医疗设备、工业工具和AI研究平台中的技术，正开始彼此重叠。企业正在寻找可复用的组件和数据来源，使其能够跨领域流动。
针对长期问题的一次聚焦下注
ABB和PSYONIC都没有把这次合作包装成完整产品发布。它是一项面向行业多年讨论的瓶颈问题的研发动作。因此，即便没有立即部署的数据，这项宣布仍然意义重大。
如果项目成功，其价值在于证明假肢触觉和运动数据能够以可测量的方式改善机器人操作。如果不成功，它仍会进一步说明该领域距离把类人抓取迁移到广泛可部署机器上还有多远。
无论结果如何，这项合作都反映了先进机器人技术的发展方向：不再过度强调孤立的硬件改进，而是更加关注让机器人以更接近人类判断的方式处理物理世界所需的数据和具身性。
This article is based on reporting by The Robot Report. Read the original article.
Originally published on therobotreport.com
