Robotars förmåga att greppa, känna och hantera föremål med samma precision som människor är en av automationens största utmaningar. Nu inleder ABB Robotics ett samarbete med det amerikanska bionikföretaget PSYONIC för att använda mänskligt genererade data från protesanvändare för att utveckla nästa generation autonoma och mångsidiga robotar.
Samarbetet kombinerar PSYONIC:s Ability Hand med ABB:s cobot GoFa™. Målet är att undersöka hur data om beröring, rörelser och greppstyrka från mänsklig användning av avancerade proteser kan användas för att träna robotar att utföra uppgifter som hittills 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.
Han fortsätter:
— I och med att vi utvecklar nästa generations fysiska AI kommer robotar att lära sig att förstå världen på samma sätt som vi gör. Samarbetet med PSYONIC kommer att minska det tidigare gapet mellan människors och robotars finmotorik och öppnar upp nya möjligheter för en lång rad olika branscher.
Ska förbättra robotars greppförmåga
Greppförmåga och finmotorisk precision är centrala komponenter i ABB Robotics vision om autonoma och mångsidiga robotar, AVR™. Ambitionen är att utveckla robotsystem som kan känna, resonera, röra sig och hantera objekt med hög precision även i dynamiska produktionsmiljöer.
Dessutom spelar tekniken en viktig roll i utvecklingen av fysisk AI, där robotsystem lär sig från verkliga interaktioner och omsätter kunskapen i industriella tillämpningar.
Enligt ABB kan tekniken få användningsområden inom bland annat fordonsindustrin, flygindustrin, logistik, förpackningsindustri och life science. Genom att låta robotar ta över repetitiva, ergonomiskt krävande eller svårstandardiserade arbetsmoment kan produktivitet, flexibilitet och säkerhet förbättras.
Mänskliga proteser blir träningsplattform för robotar
PSYONIC:s Ability Hand utvecklades ursprungligen för protesanvändare och kombinerar myoelektrisk styrning, beröringskänslighet och flexibel mekanik i en lätt konstruktion med flera leder.
Systemet använder trycksensorer och vibrationsfeedback för att ge användaren information om kontakt, greppstyrka och när ett objekt släpps. De flexibla fingrarna anpassar sig samtidigt till oregelbundna och känsliga föremål.
— Finmotorisk manipulation är i slutänden lika mycket en datautmaning som en hårdvaruutmaning, säger Dr. Aadeel Akhtar, grundare och vd för PSYONIC.
Han fortsätter:
— 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. Genom att integrera med ABB Robotics robotplattform kan vi utvidga till fler miljöer och använda den nivå av finmotorik som behövs för att ta oss an de tuffaste utmaningarna inom automation.
Kan minska konstruktionstiden
I projektet används ABB:s cobot GoFa™, som erbjuder den precision och repeterbarhet som krävs för industriella tillämpningar. Det gör det möjligt att noggrant utvärdera variationer i greppstyrka, fingerpositionering och rörelsemönster samt överföra mänskliga handhavandedata till robotiserade processer.
Samarbetet ska särskilt fokusera på tillämpningar där traditionella gripdon har begränsningar, exempelvis vid hantering av känsliga, oregelbundna eller deformerbara objekt.
Enligt International Federation of Robotics (IFR) kan avancerade griptekniker och digital integration minska konstruktionstiden med upp till 30 procent. Därmed blir utvecklingen av intelligent verktygsteknik en viktig faktor för att korta driftsättningstider och förbättra avkastningen på automationsinvesteringar.
Satsningen ligger samtidigt i linje med ABB Robotics strategi att tillsammans med partners utveckla lösningar som undanröjer tidigare hinder för automation. Genom att kombinera robotik, AI och mänskligt genererade data vill företaget skapa mer kompetenta och anpassningsbara robotsystem för framtidens industri.
