Diterbitkan pada: 8 Mei 2025 / Pembaruan Dari: 9 Mei 2025 - Penulis: Konrad Wolfenstein
Robotika Taktil: Robot dengan Sense of Touch: Generasi Baru Vulcan dan Research Co-Research tentang Image Pengenalan Objek Haptic: Xpert.Digital
Sistem MIT untuk pengenalan objek tanpa sensor khusus dan robot Vulcan dari Amazon
Persepsi Haptic untuk Mesin: Standar Baru dalam Pengakuan Objek
Di bidang robotika, pengembangan sensor sentuhan dan sistem identifikasi menandai kemajuan yang menentukan yang untuk pertama kalinya memungkinkan mesin untuk tidak hanya melihat lingkungan mereka, tetapi juga untuk "merasakan". Perkembangan ini dicontohkan oleh robot Vulcan baru Amazon dan sistem deteksi objek inovatif MIL. Kedua teknologi secara signifikan memperluas kemungkinan penggunaan robot dan memungkinkan tugas yang sebelumnya telah dikelola secara eksklusif oleh orang -orang dengan persepsi haptic alami mereka.
Cocok untuk:
Robot Vulcan dari Amazon: Terobosan di area pegangan robot taktil
Fondasi berfungsi dan teknologi
Robot Vulcan yang dikembangkan oleh Amazon mewakili kemajuan teknologi yang signifikan di bidang kecerdasan buatan fisik. Amazon menggambarkan perkembangan itu sendiri sebagai "terobosan dalam robotika dan AI fisik". Sistem ini terdiri dari dua komponen utama: "stow" untuk stow dan "pick" untuk menghapus objek. Kualitasnya yang luar biasa adalah kemampuan untuk memahami taktil lingkungannya.
Dasar teknologi untuk keterampilan taktil Vulcans membentuk sensor power-torque khusus yang terlihat seperti keping hoki dan memungkinkan robot untuk "merasakan" kekuatan yang ia dapat mengambil objek tanpa merusaknya. Adam Parness, direktur robotika AI di Amazon, menekankan keunikan pendekatan ini: "Vulcan bukan robot pertama kami yang dapat memindahkan objek. Tetapi dengan rasa sentuhannya - untuk memahami kemampuannya untuk memahami kapan dan bagaimana ia melakukan kontak dengan suatu objek - ia membuka kemungkinan baru untuk mengoptimalkan proses dan fasilitas kerja".
Untuk mengurutkan benda di rak, Vulcan menggunakan alat yang mirip dengan penggaris yang direkatkan pada besi halus rambut yang halus. Dengan "penguasa" ini ia mendorong benda -benda lain ke samping untuk memberikan ruang bagi artikel baru. Lengan yang mencengkeram mengadaptasi ketebalan pegangannya tergantung pada ukuran dan bentuk objek, sementara sabuk konveyor terintegrasi mendorong objek ke dalam wadah. Untuk mengeluarkan objek, Vulcan menggunakan hisap gripper dalam kombinasi dengan sistem kamera.
Area aplikasi dan kinerja saat ini
Robot Vulcan saat ini sedang diuji di dua pusat logistik Amazon: di Winsen dekat Hamburg (Jerman) dan di Spokane, Washington (AS). Di Washington, enam robot Stow-Vulcan aktif, yang telah berhasil menyimpan setengah juta artikel. Dua pick-vulcans bekerja di Winsen yang telah menangani 50.000 pesanan.
Kinerja sistem luar biasa: Vulcan saat ini dapat menangani sekitar 75 persen dari jutaan produk yang ditawarkan Amazon. Ukuran objek terkecil yang dapat dimanipulasi robot sesuai dengan lipstik atau tongkat USB. Yang sangat mengesankan adalah kemampuan robot untuk mengidentifikasi objek secara real time, karena "tidak mungkin baginya untuk menghafal semua spesifik item", seperti yang dijelaskan Parness.
Rencana dan integrasi di masa depan ke dalam rantai logistik
Amazon berencana untuk secara signifikan meningkatkan jumlah robot Vulcan dalam beberapa tahun ke depan. Tahun ini jumlah Vulcans di Winsen akan ditingkatkan menjadi 60 dan di Washington menjadi 50 buah. Dalam jangka panjang, direncanakan untuk menggunakan robot di pusat logistik di seluruh Eropa dan Amerika Serikat.
Aspek penting dari strategi Amazon adalah koeksistensi manusia dan mesin. "Rencana induk" perusahaan menyediakan bagi orang dan mesin untuk bekerja berdampingan secara paralel. Di atas segalanya, robot harus mengambil alih produk di rak yang tidak dicapai manusia tanpa tangga atau untuk siapa dia harus menekuk terlalu banyak. Ini harus menyebabkan efisiensi keseluruhan yang lebih tinggi dan pada saat yang sama mengurangi beban kerja untuk karyawan manusia.
Sistem MIT untuk Pengenalan Objek Melalui Penanganan: "Nuansa" Cerdas Tanpa Sensor Khusus
Pendekatan inovatif untuk pengakuan objek
Secara paralel dengan Amazon's Vulcan, para peneliti MIT, dari Amazon Robotics dan University of British Columbia, telah mengembangkan sistem yang mengikuti pendekatan yang berbeda untuk memberikan robot keterampilan haptic. Teknologi ini memungkinkan robot untuk mengenali sifat -sifat objek seperti berat, kelembutan atau konten dengan hanya mengambilnya dan mengguncangnya dengan mudah - seperti orang -orang ketika berhadapan dengan objek yang tidak dikenal.
Hal khusus tentang pendekatan ini adalah tidak ada sensor sentuhan khusus yang diperlukan. Sebaliknya, sistem menggunakan kode sambungan yang sudah ada di sebagian besar robot - sensor yang menangkap posisi rotasi dan kecepatan sambungan selama gerakan. Peter Yichen Chen, seorang mit-postdoc dan penulis utama karya penelitian, menjelaskan visi di balik proyek: "Mimpi saya adalah mengirim robot ke dunia sehingga mereka menyentuh dan memindahkan berbagai hal dan secara mandiri mencari tahu sifat-sifat dari apa yang mereka berinteraksi dengan".
Model fungsi teknis dan simulasi
Inti dari sistem MIT terdiri dari dua model simulasi: satu yang mensimulasikan robot dan gerakannya, dan satu yang mereproduksi dinamika objek. Chao Liu, MIT-PostDoc lain, menekankan pentingnya kembar digital ini: "replika digital yang tepat dari dunia nyata sangat penting untuk keberhasilan metode kami".
Sistem ini menggunakan teknologi yang disebut "simulasi yang dapat dibedakan", yang memungkinkan algoritma untuk memprediksi bagaimana perubahan kecil dalam sifat suatu objek, seperti massa atau kelembutan, mempengaruhi posisi akhir sambungan robot. Segera setelah simulasi cocok dengan pergerakan robot yang sebenarnya, sistem telah mengidentifikasi sifat -sifat yang benar dari objek.
Keuntungan yang menentukan dari metode ini adalah efisiensinya: algoritma dapat melakukan perhitungan dalam hitungan detik dan hanya membutuhkan lintasan gerakan robot yang nyata untuk bekerja. Ini membuat sistem ini sangat murah dan praktis untuk aplikasi nyata.
Potensi dan keuntungan aplikasi
Teknologi yang dikembangkan bisa sangat berguna dalam aplikasi di mana kamera kurang efektif, seperti ketika menyortir objek di ruang bawah tanah gelap atau ketika ruang reruntuhan di gedung yang runtuh sebagian setelah gempa bumi.
Karena algoritma tidak memerlukan kumpulan data yang luas untuk pelatihan, seperti beberapa metode yang mengandalkan visi komputer atau sensor eksternal, itu kurang rentan terhadap kesalahan jika dihadapkan dengan lingkungan yang tidak diketahui atau objek baru. Ini membuat sistem ini sangat kuat dan serbaguna.
Lanskap penelitian yang lebih luas untuk sensor taktil dalam robotika
Tantangan Dasar dan Solusi Saat Ini
Pengembangan robot dengan rasa sentuhan menghadirkan penelitian dengan tantangan mendasar. Sementara sistem taktil manusia sangat kompleks dan bernuansa, sistem buatan harus mereproduksi ini dengan cara teknologi. Ken Goldberg, seorang robot dari University of California, Berkeley, menekankan kompleksitas tugas ini: “Rasa sentuhan manusia sangat bernuansa dan kompleks, dengan area dinamis yang luas. Sementara robot membuat kemajuan dengan cepat, saya akan terkejut melihat sensor sentuhan pada tingkat manusia dalam lima hingga sepuluh tahun ke depan.”
Terlepas dari tantangan ini, ada kemajuan besar dalam penelitian. IFF Fraunhofer, misalnya, mengembangkan sistem sensor taktil yang memungkinkan genggaman reaktif sesuai dengan model tangan manusia dan ideal untuk menangani lempengan yang rapuh atau lentur. Data sensor digunakan untuk mengadaptasi gripper, komponen dan pengenalan lokasi serta untuk pemantauan proses.
Proyek penelitian inovatif di bidang robotika taktil
Selain perkembangan Amazon dan MIT, ada proyek penelitian penting lainnya di bidang sensor robot taktil:
Max Planck Institute for Intelligent Systems telah mengembangkan sensor haptic yang disebut Insight, yang menganggap sentuhan dengan sensitivitas tinggi. Georg Martius, pemimpin kelompok penelitian di Institute, menekankan kinerja sensor: "Sensor kami menunjukkan kinerja yang sangat baik berkat desain mekanis inovatif shell, sistem pencitraan basi penjahit di dalam, akuisisi data otomatis dan berkat metode pembelajaran mendalam terbaru". Sensornya sangat sensitif sehingga bahkan dapat merasakan orientasinya sendiri dalam kaitannya dengan gravitasi.
Proyek lain yang menarik adalah DensePehysnet, sebuah sistem yang secara aktif melakukan urutan interaksi dinamis (mis. Meluncur dan bertabrakan) dan menggunakan model prediktif yang mendalam tentang pengamatan visualnya untuk mempelajari kepadatan, representasi pixelated yang mencerminkan sifat fisik yang diamati objek. Eksperimen dalam simulasi dan lingkungan nyata menunjukkan bahwa representasi yang dipelajari berisi informasi fisik yang kaya dan dapat digunakan secara langsung untuk decoding sifat objek fisik seperti gesekan dan massa.
Cocok untuk:
Prospek masa depan untuk sistem robot taktil
Integrasi sistem sensor multimodal
Masa depan robotika taktil terletak pada integrasi berbagai modalitas sensorik. Para peneliti karya yang sudah mengajarkan kecerdasan buatan, untuk menggabungkan indera seperti melihat dan menyentuh. Dengan memahami bagaimana berbagai modalitas sensorik ini bekerja bersama, robot dapat mengembangkan pemahaman yang lebih holistik tentang lingkungan mereka.
Tim MIT sudah berencana untuk menggabungkan metode Anda untuk pengenalan objek dengan visi komputer untuk membuat sensor multimodal yang bahkan lebih efisien. "Pekerjaan ini tidak mencoba menggantikan visi komputer. Kedua metode memiliki kelebihan dan kekurangannya. Tetapi di sini kami telah menunjukkan bahwa kami sudah dapat mengetahui beberapa properti ini tanpa kamera," jelas Chen.
Area aplikasi yang diperluas dan perkembangan di masa depan
Para peneliti tim MIT juga ingin meneliti aplikasi dengan sistem robot yang lebih kompleks seperti robot lunak, dan objek yang lebih kompleks, termasuk cairan slosh atau media granular seperti pasir. Dalam jangka panjang, Anda berharap dapat menggunakan teknologi ini untuk meningkatkan pembelajaran robot untuk memungkinkan robot masa depan untuk dengan cepat mengembangkan keterampilan manipulasi baru dan beradaptasi dengan perubahan di lingkungan Anda.
Amazon berencana untuk lebih mengembangkan teknologi Vulcan di tahun -tahun mendatang dan menggunakannya dalam skala yang lebih besar. Integrasi Vulcan dengan 750.000 robot seluler perusahaan menunjukkan konsep otomatisasi komprehensif yang secara mendasar dapat mengubah industri logistik.
Pembelajaran taktil: Saat sensor memberikan kebijaksanaan robot
Pengembangan robot dengan rasa sentuhan, dicontohkan oleh Amazon's Vulcan dan sesama sistem untuk pengenalan objek, menandai titik balik yang menentukan dalam robotika. Teknologi ini memungkinkan robot untuk mengambil tugas yang sebelumnya disediakan untuk orang karena mereka membutuhkan sensitivitas dan pemahaman taktil.
Fokus pendekatan-Amazon yang berbeda pada sensor khusus dan konsep bersama menggunakan sensor yang ada untuk kesimpulan haptic-menunjukkan keragaman arah penelitian di bidang ini. Kedua pendekatan memiliki kekuatan spesifik dan bidang aplikasi.
Dengan integrasi progresif keterampilan taktis dalam sistem robot, peluang baru untuk otomatisasi tugas -tugas kompleks dalam logistik, produksi, perawatan kesehatan dan banyak area lainnya terbuka. Kemampuan robot tidak hanya untuk melihat lingkungan mereka, tetapi juga untuk "merasakan", membawa kita langkah yang signifikan lebih dekat ke masa depan di mana robot dan orang dapat bekerja sama lebih dekat dan lebih intuitif.
Cocok untuk:
