ABB och PSYONIC vill förbättra robotars finmotorik
ABB Robotics har inlett ett samarbete med det amerikanska bionikföretaget PSYONIC för att utveckla robotars förmåga att hantera föremål med mänsklig precision. Genom att kombinera ABB:s GoFa-cobot med PSYONIC:s bioniska Ability Hand vill bolagen använda data från mänskliga protesanvändare för att träna nästa generation av AI-drivna robotar.
Robotar har i dagsläget fortfarande svårt för att hantera små, ömtåliga och varierande komponenter med samma precision som människor. Det vill ABB Robotics och amerikanska PSYONIC lösa genom att fokusera på en av robotikens största utmaningar: finmotorik.
Med hjälp av rörelse- och beröringsdata som samlas in när människor använder PSYONIC:s proteshand ska robotar lära sig att utföra komplexa och känsliga uppgifter som traditionellt varit svåra att automatisera.
– Mänsklig finmotorik och den instinktiva förståelsen för hur man ska hantera olika föremål är en av de svåraste sakerna att replikera i robotik av industriklass, men det är ett avgörande krav för att få fram verkligt autonoma och mångsidiga robotar, säger Marc Segura, chef för ABB Robotics i ett pressmeddelande.
PSYONIC:s Ability Hand utvecklades ursprungligen för protesanvändning och är utrustad med trycksensorer och vibrationsfeedback som gör det möjligt för användaren att känna kontakt, greppstyrka och när ett föremål släpps. De insamlade datauppsättningarna används sedan för att träna robotar att utföra liknande rörelser.
Enligt ABB är målet att utveckla så kallad fysisk AI, där robotar inte bara utför programmerade rörelser utan också lär sig från verkliga interaktioner och anpassar sitt beteende till varierande situationer.
ABB:s GoFa-cobot används som testplattform, vilket gör det möjligt att utvärdera små variationer i greppstyrka, fingerpositionering och rörelsemönster. Tekniken kan på sikt få betydelse inom bland annat elektronikproduktion, fordonsindustri, logistik, flygindustri och life science-sektorn.
– Finmotorisk manipulation är i slutänden lika mycket en datautmaning som en hårdvaruutmaning. Genom att använda samma Ability Hand på människor som på robotar kan vi samla in verkliga, högklassiga data för rörelse, kontakt och greppstyrka och sedan använda dessa data till att träna robotsystem på ett effektivare sätt, säger Dr. Aadeel Akhtar, grundare och vd för PSYONIC, i pressmeddelandet.
Samarbetet speglar en växande trend inom industrin där AI-modeller tränas med verkliga data för att ge robotar bättre förståelse för den fysiska världen. För elektronikindustrin kan förbättrad greppförmåga öppna för automation av monteringsmoment som idag kräver mänsklig fingerfärdighet. Enligt International Federation of Robotics kan avancerade grip- och hanteringssystem minska tiden för implementering av automationslösningar med upp till 30 procent.