Gepubliceerd op: 8 mei 2025 / Update van: 9 mei 2025 - Auteur: Konrad Wolfenstein
Tactiele robotica: robot met gevoel van aanraking: de nieuwe generatie vulcan en co-onderzoek op haptische objectherkenning-beeld: xpert.digital
MIT -systeem voor objectherkenning zonder speciale sensoren en de Vulcan -robot van Amazon
Haptische perceptie voor machines: nieuwe normen in objectherkenning
Op het gebied van robotica markeert de ontwikkeling van tactiele sensor- en identificatiesystemen een beslissende vooruitgang die voor het eerst machines in staat stelt niet alleen hun omgeving te zien, maar ook om te "voelen". Deze ontwikkeling wordt geïllustreerd door Amazon's New Vulcan -robot en het innovatieve objectdetectiesysteem van de MIL. Beide technologieën breiden het mogelijke gebruik van robots aanzienlijk uit en maken taken mogelijk die eerder exclusief zijn beheerd door mensen met hun natuurlijke haptische perceptie.
Geschikt hiervoor:
De Vulcan -robot van Amazon: een doorbraak in het gebied van de tactiele robothandgreep
Functioneren en technologische stichtingen
De Vulcan -robot ontwikkeld door Amazon vertegenwoordigt aanzienlijke technologische vooruitgang op het gebied van fysieke kunstmatige intelligentie. Amazon beschrijft de ontwikkeling zelf als een "doorbraak in robotica en fysieke AI". Het systeem bestaat uit twee hoofdcomponenten: "opbergen" om op te slaan en te "plukken" om objecten te verwijderen. De uitstekende kwaliteit is het vermogen om zijn omgeving tactiel te waarnemen.
De technologische basis voor vulcans tactiele vaardigheden vormen speciale power-torque sensoren die eruit zien als een hockeypuck en de robot in staat stellen de kracht te "voelen" waarmee hij een object kan pakken zonder het te beschadigen. Adam Parness, directeur van robotica AI bij Amazon, benadrukt het unieke karakter van deze aanpak: "Vulcan is niet onze eerste robot die objecten kan verplaatsen. Maar met zijn gevoel van aanraking - om zijn vermogen te begrijpen om te begrijpen wanneer en hoe hij in contact komt met een object - hij opent nieuwe mogelijkheden voor het optimaliseren van werkprocessen en faciliteiten".
Om objecten in planken te sorteren, gebruikt Vulcan een hulpmiddel dat vergelijkbaar is met een liniaal die is gelijmd aan een haarglad ijzer. Met deze "heerser" duwt hij andere objecten opzij om ruimte te maken voor nieuwe artikelen. De aangrijpende armen passen hun handgreepdikte aan, afhankelijk van de grootte en vorm van het object, terwijl geïntegreerde transportbanden het object in de container duwen. Om objecten eruit te krijgen, gebruikt Vulcan een zuiggrijper in combinatie met een camerasysteem.
Huidige toepassingsgebieden en prestaties
De Vulcan -robot wordt momenteel getest in twee Amazon -logistieke centra: in Winsen in de buurt van Hamburg (Duitsland) en in Spokane, Washington (VS). In Washington zijn zes Stow-Vulcan-robots actief, die al met succes een half miljoen artikelen hebben opgeslagen. Twee pick-vulcanen werken in Winsen die al 50.000 bestellingen hebben afgehandeld.
De prestaties van het systeem zijn opmerkelijk: Vulcan kan momenteel ongeveer 75 procent van de miljoenen producten aan die Amazon biedt. De kleinste objectgrootte die de robot kan manipuleren, komt overeen met een lippenstift of een USB -stick. Vooral indrukwekkend is het vermogen van de robot om de objecten in realtime te identificeren, omdat het "onmogelijk voor hem is om alle details van de items te onthouden", zoals Parness verklaart.
Toekomstplannen en integratie in de logistieke keten
Amazon is van plan het aantal Vulcan -robots de komende jaren aanzienlijk te vergroten. Dit jaar moet het aantal Vulcans in Winsen worden verhoogd tot 60 en in Washington tot 50 stuks. Op de lange termijn is het gepland om de robots in logistieke centra in Europa en de VS te gebruiken.
Een belangrijk aspect van de Amazon -strategie is het naast elkaar bestaan van de mens en machine. Het "masterplan" van het bedrijf voorziet dat mensen en machines parallel naast elkaar werken. Bovenal moeten de robots de producten op de plank overnemen die de mens niet bereikt zonder ladder of voor wie hij te veel zou moeten buigen. Dit zou moeten leiden tot een hogere algehele efficiëntie en tegelijkertijd de werklast voor menselijke werknemers verminderen.
Het MIT -systeem voor objectherkenning door het hanteren: intelligente "feel" zonder speciale sensoren
Innovatieve benadering van objectherkenning
Parallel aan Amazon's Vulcan, hebben onderzoekers van het MIT, van Amazon Robotics en de University of British Columbia, een systeem ontwikkeld dat een andere aanpak volgt om robots haptische vaardigheden te geven. Met deze technologie kunnen robots eigenschappen herkennen van een object zoals gewicht, zachtheid of inhoud door het eenvoudig op te pakken en gemakkelijk te schudden - zoals mensen bij het omgaan met onbekende objecten.
Het speciale van deze aanpak is dat er geen speciale tactiele sensoren nodig zijn. In plaats daarvan gebruikt het systeem de gewrichtscode die al in de meeste robots bestaat - sensoren die de rotatiepositie en snelheid van de gewrichten tijdens de beweging vastleggen. Peter Yichen Chen, een MIT-Postdoc en hoofdauteur van het onderzoekswerk, legt de visie achter het project uit: "Mijn droom zou zijn om robots de wereld in te sturen, zodat ze dingen aanraken en verplaatsen en onafhankelijk de eigenschappen ontdekken van waarmee ze communiceren".
Technisch functioneren en simulatiemodellen
De kern van het MIT -systeem bestaat uit twee simulatiemodellen: een die de robot en zijn beweging simuleert, en een die de dynamiek van het object reproduceert. Chao Liu, een andere MIT-Postdoc, benadrukt het belang van deze digitale tweelingen: "Een exacte digitale replica van de echte wereld is echt belangrijk voor het succes van onze methode".
Het systeem gebruikt een technologie die "Differentifeerbare simulatie" wordt genoemd, waardoor het algoritme kan voorspellen hoe kleine veranderingen in de eigenschappen van een object, zoals massa of zachtheid, de eindpositie van de robotverbindingen beïnvloeden. Zodra de simulatie overeenkomt met de werkelijke bewegingen van de robot, heeft het systeem de juiste eigenschappen van het object geïdentificeerd.
Een beslissend voordeel van deze methode is de efficiëntie: het algoritme kan de berekeningen binnen enkele seconden uitvoeren en vereist slechts een echt bewegingstraject van de robot om te werken. Dit maakt het systeem bijzonder goedkoop en praktisch voor echte toepassingen.
Toepassingspotentieel en voordelen
De ontwikkelde technologie kan met name nuttig zijn in toepassingen waarin camera's minder effectief zijn, zoals bij het sorteren van objecten in een donkere kelder of wanneer de ruïnesruimte in een gedeeltelijk ingestort gebouw na een aardbeving.
Aangezien het algoritme geen uitgebreide gegevensset nodig heeft voor training, zoals sommige methoden die afhankelijk zijn van computervisie of externe sensoren, is het minder vatbaar voor fouten als het wordt geconfronteerd met onbekende omgevingen of nieuwe objecten. Dit maakt het systeem bijzonder robuust en veelzijdig.
Het bredere onderzoekslandschap tot tactiele sensoren in robotica
Basisuitdagingen en huidige oplossingen
De ontwikkeling van robots met gevoel van aanraking presenteert onderzoek met fundamentele uitdagingen. Hoewel het menselijke tactiele systeem uiterst complex en genuanceerd is, moeten kunstmatige systemen dit met technologische middelen reproduceren. Ken Goldberg, een robot van de Universiteit van Californië, Berkeley, benadrukt de complexiteit van deze taak: "Het menselijke gevoel van aanraking is ongelooflijk genuanceerd en complex, met een uitgebreid dynamisch gebied. Hoewel robots snel vooruitgang boeken, zou ik verrast zijn om tactiele sensoren te zien op een menselijk niveau in de komende vijf tot tien jaar."
Ondanks deze uitdagingen is er grote vooruitgang in onderzoek. De Fraunhofer IFF ontwikkelt bijvoorbeeld tactiele sensorsystemen die de reactieve greep mogelijk maken volgens het model van de menselijke hand en ideaal zijn voor het hanteren van fragiele of buigplaat. De sensorgegevens worden gebruikt om de grijper, component en locatieherkenning aan te passen, evenals voor procesmonitoring.
Innovatieve onderzoeksprojecten op het gebied van tactiele robotica
Naast de ontwikkelingen van Amazon en MIT zijn er andere belangrijke onderzoeksprojecten op het gebied van tactiele robotsensoren:
Het Max Planck Institute for Intelligent Systems heeft een haptische sensor ontwikkeld genaamd Insight, die de aanraking met hoge gevoeligheid waarneemt. Georg Martius, leider van de onderzoeksgroep bij het Instituut, benadrukt de prestaties van de sensor: "Onze sensor toont een uitstekende prestatie dankzij het innovatieve mechanische ontwerp van de Shell, het op maat gemaakte beeldvormingssysteem binnen, automatische data -acquisitie en dankzij de nieuwste diepleermethoden". De sensor is zo gevoelig dat hij zelfs zijn eigen oriëntatie kan voelen in relatie tot de zwaartekracht.
Een ander interessant project is DensePehySnet, een systeem dat actief een reeks dynamische interacties uitvoert (bijvoorbeeld glijden en botsen) en een diep voorspellend model gebruikt over de visuele observaties ervan om dichtheid te leren, pixelateerde representaties die de fysieke eigenschappen weerspiegelen waargenomen objecten. De experimenten in zowel simulatie als echte omgevingen tonen aan dat de geleerde representaties rijke fysieke informatie bevatten en direct kunnen worden gebruikt voor het decoderen van fysieke objecteigenschappen zoals wrijving en massa.
Geschikt hiervoor:
Toekomstperspectieven voor tactiele robotsystemen
Integratie van multimodale sensorsystemen
De toekomst van tactiele robotica ligt in de integratie van verschillende sensorische modaliteiten. Onderzoekers van het werk om kunstmatige intelligentie al te onderwijzen, om zintuigen zoals zien en aanraken te combineren. Door te begrijpen hoe deze verschillende sensorische modaliteiten samenwerken, kunnen robots een meer holistisch begrip van hun omgeving ontwikkelen.
Het MIT -team is al van plan om uw methode voor objectherkenning te combineren met computer vision om multimodale sensoren te maken die nog efficiënter is. "Dit werk probeert niet om de computervisie te vervangen. Beide methoden hebben hun voor- en nadelen. Maar hier hebben we aangetoond dat we sommige van deze eigenschappen al kunnen ontdekken zonder een camera", legt Chen uit.
Uitgebreide toepassingsgebieden en toekomstige ontwikkelingen
De onderzoekers van het MIT -team willen ook onderzoeken onderzoeken met complexere robotsystemen zoals zachte robots, en meer complexe objecten, waaronder SLOSH -vloeistoffen of korrelige media zoals zand. Op de lange termijn hoopt u deze technologie te gebruiken om het leren van robot te verbeteren om toekomstige robots in staat te stellen snel nieuwe manipulatievaardigheden te ontwikkelen en zich aan te passen aan veranderingen in uw omgeving.
Amazon is van plan de komende jaren Vulcan -technologie verder te ontwikkelen en op grotere schaal te gebruiken. De integratie van Vulcan met de 750.000 mobiele robots van het bedrijf duidt op een uitgebreid automatiseringsconcept dat de logistieke industrie fundamenteel zou kunnen veranderen.
Tactiel leren: wanneer sensoren robots tact geven
De ontwikkeling van robots met gevoel van aanraking, geïllustreerd door Amazon's Vulcan en het collega -systeem voor objectherkenning, markeert een beslissend keerpunt in robotica. Deze technologieën stellen robots in staat om taken aan te nemen die eerder zijn gereserveerd voor mensen omdat ze een gevoeligheid en tactiel begrip vereisen.
De verschillende benaderingen-Amazon's focus op gespecialiseerde sensoren en het co-concept van het gebruik van bestaande sensoren voor haptische conclusies die de diversiteit van de onderzoeksrichtingen op dit gebied in dit gebied zullen zien. Beide benaderingen hebben hun specifieke sterke punten en toepassingsgebieden.
Met de progressieve integratie van tactische vaardigheden in robotsystemen, gaan nieuwe mogelijkheden voor automatisering van complexe taken in logistiek, productie, gezondheidszorg en vele andere gebieden open. Het vermogen van robots niet alleen om hun omgeving te zien, maar ook om te 'voelen', brengt ons een belangrijke stap dichter bij een toekomst waarin robots en mensen nog dichter en intuïtiever kunnen samenwerken.
Geschikt hiervoor:
