Publicerad: 8 maj 2025 / UPDATE FrÄn: 9 maj 2025 - Författare: Konrad Wolfenstein
Taktil robotik: robot med kÀnsla av beröring: den nya generationen av Vulcan och co-forskning om haptiskt objektigenkÀnning-image: xpert.digital
MIT -system för objektigenkÀnning utan speciella sensorer och Vulcan -roboten frÄn Amazon
Haptisk uppfattning för maskiner: Nya standarder i objektigenkÀnning
Inom robotomrÄdet markerar utvecklingen av taktila sensor och identifieringssystem en avgörande framsteg som för första gÄngen gör det möjligt för maskiner att inte bara se sina omgivningar utan ocksÄ "kÀnna". Denna utveckling exemplifieras av Amazons nya Vulcan -robot och det innovativa objektdetekteringssystemet i MIL. BÄda teknikerna utökar avsevÀrt de möjliga anvÀndningarna av robotar och möjliggör uppgifter som tidigare har hanterats uteslutande av mÀnniskor med sin naturliga haptiska uppfattning.
LÀmplig för detta:
Vulcan -roboten frÄn Amazon: Ett genombrott i omrÄdet för det taktila robothandtaget
Funktions- och tekniska grunder
Vulcan -roboten som utvecklats av Amazon representerar betydande tekniska framsteg inom omrÄdet fysisk konstgjord intelligens. Amazon beskriver sjÀlva utvecklingen som ett "genombrott i robotik och fysisk AI". Systemet bestÄr av tvÄ huvudkomponenter: "Stow" för att stuvas och "plocka" för att ta bort objekt. Dess enastÄende kvalitet Àr förmÄgan att uppfatta sin omgivning taktil.
Den tekniska grunden för Vulcans taktila fĂ€rdigheter bildar speciella krafttĂ„gsensorer som ser ut som en hockeypuck och gör det möjligt för roboten att "kĂ€nna" kraften som han kan ta ett föremĂ„l utan att skada det. Adam Parness, chef för Robotics AI pĂ„ Amazon, betonar det unika med detta tillvĂ€gagĂ„ngssĂ€tt: âVulcan Ă€r inte vĂ„r första robot som kan flytta föremĂ„l. Men med hans kĂ€nsla av beröring - för att förstĂ„ hans förmĂ„ga att förstĂ„ nĂ€r och hur han kommer i kontakt med ett objekt - han öppnar upp nya möjligheter att optimera arbetsprocesser och faciliteterâ.
För att sortera föremÄl i hyllorna anvÀnder Vulcan ett verktyg som liknar en linjal som Àr limmad pÄ ett smidigt hÄr. Med denna "hÀrskare" skjuter han andra föremÄl Ät sidan för att ge plats för nya artiklar. De gripande armarna anpassar handtagets tjocklek beroende pÄ objektets storlek och form, medan integrerade transportband pressar föremÄlet i behÄllaren. För att fÄ ut föremÄl anvÀnder Vulcan en suggripare i kombination med ett kamerasystem.
Aktuella omrÄden för tillÀmpning och prestanda
Vulcan -roboten testas för nÀrvarande i tvÄ Amazon -logistikcentra: i Winsen nÀra Hamburg (Tyskland) och i Spokane, Washington (USA). I Washington Àr sex Stow-Vulcan-robotar aktiva, som redan har lagrat en halv miljon artiklar. TvÄ pick-vulkaner arbetar i Winsen som redan har hanterat 50 000 bestÀllningar.
Systemets prestanda Àr anmÀrkningsvÀrt: Vulcan kan för nÀrvarande hantera cirka 75 procent av de miljoner produkter som Amazon erbjuder. Den minsta objektstorleken som roboten kan manipulera motsvarar en lÀppstift eller en USB -pinne. SÀrskilt imponerande Àr robotens förmÄga att identifiera objekten i realtid, eftersom det Àr "omöjligt för honom att memorera alla detaljer i artiklarna", som Parness förklarar.
Framtida planer och integration i logistikkedjan
Amazon planerar att öka antalet Vulcan -robotar avsevÀrt under de nÀrmaste Ären. I Är ska antalet vulkaner i Winsen ökas till 60 och i Washington till 50 stycken. PÄ lÄng sikt Àr det planerat att anvÀnda robotarna i logistikcentra i hela Europa och USA.
En viktig aspekt av Amazon -strategin Àr samexistensen av man och maskin. Företagets "masterplan" föreskriver att mÀnniskor och maskiner arbetar sida vid sida parallellt. Framför allt bör robotarna ta över produkterna pÄ hyllan som mannen inte nÄr utan en stege eller för vilken han skulle behöva böja för mycket. Detta bör leda till högre total effektivitet och samtidigt minska arbetsbelastningen för mÀnskliga anstÀllda.
MIT -systemet för objektigenkÀnning genom hantering: Intelligent "kÀnsla" utan speciella sensorer
Innovativ strategi för objektigenkÀnning
Parallellt med Amazons Vulcan har forskare av MIT, frÄn Amazons robotik och University of British Columbia, utvecklat ett system som följer en annan strategi för att ge robotar haptiska fÀrdigheter. Denna teknik gör det möjligt för robotar att kÀnna igen egenskaper hos ett objekt som vikt, mjukhet eller innehÄll genom att helt enkelt plocka upp den och skaka den lÀtt - som mÀnniskor nÀr de hanterar okÀnda föremÄl.
Det speciella med detta tillvĂ€gagĂ„ngssĂ€tt Ă€r att inga speciella taktila sensorer krĂ€vs. IstĂ€llet anvĂ€nder systemet den gemensamma koden som redan finns i de flesta robotar - sensorer som fĂ„ngar ledens rotationsposition och hastighet under rörelsen. Peter Yichen Chen, en MIT-Postdoc och huvudförfattare till forskningsarbetet, förklarar visionen bakom projektet: âMin dröm skulle vara att skicka robotar ut i vĂ€rlden sĂ„ att de berör och flyttar saker och sjĂ€lvstĂ€ndigt ta reda pĂ„ egenskaperna för vad de interagerar medâ.
Tekniska funktions- och simuleringsmodeller
KÀrnan i MIT -systemet bestÄr av tvÄ simuleringsmodeller: en som simulerar roboten och dess rörelse, och en som reproducerar objektets dynamik. Chao Liu, en annan MIT-Postdoc, betonar vikten av dessa digitala tvillingar: "En exakt digital kopia av den verkliga vÀrlden Àr verkligen viktig för framgÄngen för vÄr metod".
Systemet anvÀnder en teknik som kallas "differentifierbar simulering", som gör det möjligt för algoritmen att förutsÀga hur smÄ förÀndringar i egenskaperna hos ett objekt, sÄsom massa eller mjukhet, pÄverkar robotfogarnas slutposition. SÄ snart simuleringen matchar robotens faktiska rörelser har systemet identifierat objektets korrekta egenskaper.
En avgörande fördel med denna metod Àr dess effektivitet: algoritmen kan utföra berÀkningarna inom nÄgra sekunder och krÀver endast en verklig rörelsebana för roboten för att fungera. Detta gör systemet sÀrskilt billigt och praktiskt för verkliga applikationer.
Applikationspotential och fördelar
Den utvecklade tekniken kan vara sÀrskilt anvÀndbar i applikationer dÀr kameror Àr mindre effektiva, till exempel nÀr du sorterar föremÄl i en mörk kÀllare eller nÀr ruinerrummet i en delvis kollapsade byggnad efter en jordbÀvning.
Eftersom algoritmen inte behöver en omfattande datauppsÀttning för trÀning, till exempel vissa metoder som förlitar sig pÄ datorsyn eller externa sensorer, Àr det mindre mottagligt för fel om det konfronteras med okÀnda miljöer eller nya objekt. Detta gör systemet sÀrskilt robust och mÄngsidigt.
Det bredare forskningslandskapet till taktila sensorer i robotik
GrundlÀggande utmaningar och aktuella lösningar
Utvecklingen av robotar med kÀnsla av beröring ger forskning med grundlÀggande utmaningar. Medan det mÀnskliga taktila systemet Àr extremt komplicerat och nyanserat, mÄste konstgjorda system reproducera detta med tekniska medel. Ken Goldberg, en robot frÄn University of California, Berkeley, betonar komplexiteten i denna uppgift: "Den mÀnskliga kÀnslan av beröring Àr oerhört nyanserad och komplex, med ett omfattande dynamiskt omrÄde." Medan robotar gör framsteg snabbt, skulle jag bli förvÄnad över att se taktila sensorer pÄ mÀnsklig nivÄ under de kommande fem till tio Ären. "
Trots dessa utmaningar finns det stora framsteg inom forskning. Fraunhofer IFF utvecklar till exempel taktila sensorsystem som möjliggör det reaktiva greppet enligt modellen för den mÀnskliga handen och Àr idealiska för hantering av brÀckliga eller böjplattor. Sensordata anvÀnds för att anpassa griparen, komponenten och platsigenkÀnningen samt för processövervakning.
Innovativa forskningsprojekt inom taktil robotik
Förutom utvecklingen av Amazon och MIT finns det andra viktiga forskningsprojekt inom taktila robotsensorer:
Max Planck Institute for Intelligent Systems har utvecklat en haptisk sensor som heter Insight, som uppfattar beröring med hög kÀnslighet. Georg Martius, forskargruppsledare vid institutet, betonar sensorns prestanda: "VÄr sensor visar en utmÀrkt prestanda tack vare den innovativa mekaniska designen av skalet, det skrÀddarsydda bildsystemet inuti, automatisk datainsamling och tack vare de senaste djupa inlÀrningsmetoderna". Sensorn Àr sÄ kÀnslig att den till och med kan kÀnna hans egen orientering i förhÄllande till tyngdkraften.
Ett annat intressant projekt Àr DensePehysNet, ett system som aktivt utför en sekvens av dynamiska interaktioner (t.ex. glidande och kolliderande) och anvÀnder en djup förutsÀgbar modell om dess visuella observationer för att lÀra sig densitet, pixelerade representationer som Äterspeglar de fysiska egenskaperna observerade objekt. Experimenten i bÄde simulering och verkliga miljöer visar att de lÀrda representationerna innehÄller rik fysisk information och kan anvÀndas direkt för avkodning av fysiska objektegenskaper sÄsom friktion och massa.
LÀmplig för detta:
Framtidsutsikter för taktila robotsystem
Integration av multimodala sensorsystem
Framtiden för taktil robotik ligger i integrationen av olika sensoriska metoder. Forskare av arbetet redan för att lÀra ut konstgjord intelligens, för att kombinera sinnen som att se och röra. Genom att förstÄ hur dessa olika sensoriska modaliteter fungerar tillsammans kan robotar utveckla en mer holistisk förstÄelse av deras omgivningar.
MIT -teamet planerar redan att kombinera din metod för objektigenkÀnning med datorsyn för att skapa multimodala sensorer som Àr Ànnu effektivare. "Detta arbete försöker inte ersÀtta datorsyn. BÄda metoderna har sina fördelar och nackdelar. Men hÀr har vi visat att vi redan kan ta reda pÄ nÄgra av dessa egenskaper utan en kamera," förklarar Chen.
Utökade tillÀmpningsomrÄden och framtida utveckling
Forskarna i MIT -teamet vill ocksÄ undersöka applikationer med mer komplexa robotsystem som mjuka robotar och mer komplexa föremÄl, inklusive Slosh -vÀtskor eller granulÀra medier som sand. PÄ lÄng sikt hoppas du kunna anvÀnda denna teknik för att förbÀttra robotinlÀrningen för att göra det möjligt för framtida robotar att snabbt utveckla nya manipulationsförmÄgor och anpassa sig till förÀndringar i din miljö.
Amazon planerar att vidareutveckla Vulcan -tekniken under de kommande Ären och att anvÀnda den i större skala. Integrationen av Vulcan med företagets 750 000 mobila robotar indikerar ett omfattande automatiseringskoncept som i grunden kan förÀndra logistikindustrin.
Taktil inlÀrning: NÀr sensorer ger robotstakt
Utvecklingen av robotar med kÀnsla av beröring, exemplifierad av Amazons Vulcan och kollegsystemet för objektigenkÀnning, markerar en avgörande vÀndpunkt i robotik. Dessa tekniker gör det möjligt för robotar att ta pÄ sig uppgifter som tidigare var reserverade för mÀnniskor eftersom de krÀver en kÀnslighet och taktil förstÄelse.
De olika tillvÀgagÄngssÀtten-Amazons fokus pÄ specialiserade sensorer och sambegreppet att anvÀnda befintliga sensorer för haptiska slutsatser-visa mÄngfalden i forskningsriktningarna inom detta omrÄde. BÄda metoderna har sina specifika styrkor och tillÀmpningsomrÄden.
Med den progressiva integrationen av taktiska fÀrdigheter i robotsystem öppnar nya möjligheter för automatisering av komplexa uppgifter inom logistik, produktion, sjukvÄrd och mÄnga andra omrÄden. FörmÄgan hos robotar inte bara att se sina omgivningar, utan ocksÄ att "kÀnna", ger oss ett betydande steg nÀrmare en framtid dÀr robotar och mÀnniskor kan arbeta tillsammans Ànnu nÀrmare och mer intuitiva.
LÀmplig för detta:
