인류 역사를 통해, 우리 손의 능력에 의해 수행되는 역할은 절제 될 수 없습니다. 가장 초기의 도구를 다루는 선사 시대의 도구에서 현대 외과 의사가 보여주는 정밀도에 이르기까지,이 손재주는 아마도 27 개의 뼈와 30 개가 넘는 근육을 포함하는 사지를 기반으로하며, 아마도 모든 장기 중 가장 인간적인 뇌에 의해 유도됩니다.
이 복잡성은 로봇 손을 제어하기가 매우 어려워집니다. 로봇 공학의 세계에서는 정확한 속도와 힘으로 물체를 파악하고 조작하는 데 필요한 미세한 운동 기술보다 높은 수준이 없습니다.
한편 Google Deepmind와 같은 회사는 인공 지능 (ai) 실질적인 가능성의 스펙트럼을 넓히고 연구를 안내하기 위해 기계가 배울 수있는 것을 이해하려고 노력하고 있습니다. 언제 Google Deepmind 로봇 손의 복잡한 분야에서 머신 러닝을 확장하고 싶었고, 그들은 루빅스 큐브를 신속하게 완성하는 방법을 배우는 그러한 모델의 비디오를 발견했습니다.
현실 세계를위한 로봇 손
파트너십으로 개발 된 Shadow Robot의 Shadow Hand였습니다. Openai그것은 Google Deepmind 팀에 깊은 인상을주었습니다. 그러나이 새로운 프로젝트는 여전히 무언가를 더 요구했습니다.
Shadow Robot의 이사 인 Rich Walker는“Google DeepMind는 실제 작업에 대해 배울 수있는 로봇 손을 원했습니다. “손은 가장 손재주가 많고 민감하지만 개발되었지만 테스트 한 다른 로봇과는 달리 힘든 실용적인 작업과 관련된 영향을받을 때에도 생존해야했습니다.”
Google Deepmind는 데이터 수집의 우선 순위를 정하기 위해 많은 수의 센서를 포함 시키라고 요청 했으므로 Shadow Robot은 “다른 상황에서는 합리적이지 않은 것보다 훨씬 더 많은 센서”라고 말하면서 손을 설계하는 것을 설정했습니다.
목표는 인간의 손의 외관을 복제하지 않고 실제 학습 과제에 대한 높은 손재주, 민감성 및 견고성을 가진 로봇 손을 만드는 것이 었습니다. 이러한 요구를 가장 잘 달성하기 위해 디자인은 3 개의 강력한 손가락과 손이 인간의 손보다 약 50% 더 큰 손가락에 의존합니다.
결과는입니다 덱스로봇 손은 위치, 힘 및 관성 측정을 포함한 풍부한 데이터를 제공하는 고속 센서 네트워크로 가득합니다. 이것은 손가락 당 수백 개의 촉각 감지 채널로 보강되어 압력 감도를 인간의 손과 거의 비슷한 현기증 수준으로 최적화합니다.
시스템 혁신을 추진하십시오
힘의 적용을 잘 제어하고 손에있는 조인트 배열을 작동시키기 위해서는 섀도우 로봇은 유능한 구동 시스템에 의존해야했습니다. DEX-EE의 주요 혁신은 전형적인 1- 모터당 접근 방식 대신 관절 당 하나 이상의 모터를 사용하는 힘줄 중심 시스템을 특징으로하는 고유 한 설계입니다.
3 개의 손가락 각각에 4 개의 조인트를 구동하면이 접근법은 반발을 제거합니다. 반발은 제거되어 움직임 방향이 반전 될 때 발생할 수있는 ‘놀이’가 제어 된 동작을 최적화합니다. 각 모터를 신중하게 제어함으로써 각 조인트는 조인트 토크를 모방 할 수있어 DEX-EE가 절묘하게 민감한 이동 제어와 위험없이 섬세한 물체를 처리 할 수있는 능력을 제공 할 수 있습니다.
Shadow Robot은 신뢰성과 성능을 달성하기 위해 Dex-EE가 원래 드라이브 시스템 파트너로 바뀌 었습니다.
Google Deepmind Robotics 팀과 공동으로 Shadow Robot이 개발 한 Dex-EE EE Dexterous Robotic Hand. | 출처 : 그림자 로봇
“맥슨 모터 그들 뒤에 오랜 제조 진화가 있었고, 그들이 가져 오는 가계도는 Dex-EE에 대한 요구에 중요했습니다.”라고 Walker는 말했습니다. “이것은 특히 Google DeepMind가 찾고 있던 실제 사용의 엄격한 경우였습니다.”
DEX-EE는 로봇 핸드가 힘줄에 충분한 힘을 가하는 데 필요한 높은 토크 밀도를 달성하는 총 15 개의 Maxon DCX16 DC 모터를 통합합니다. 이를 통해 손은 파악 및 유지와 같은 행동에 필요한 역 동성과 힘으로 움직일 수 있습니다. 동시에, 모터는 각 핑거베이스의 경계 안에 맞도록 충분히 컴팩트해야했습니다.
모터의 철분이없는 와인딩은 전통적인 철 코어 디자인에 의해 생성 된 상대적 멍청함 인 코깅을 제거합니다. 이를 통해 Dex-EE가 가장 섬세한 작업에 대해 정확한 수준의 정밀도에 도달하는 데 필수적인 부드럽고 제어 된 모션을 달성하는 데 도움이됩니다. 프리미엄 재료와 함께 설계 및 제조의 높은 공차는 조용한 작동을 보장하고 내구성이 높습니다.
로봇 손의 미래
1,000 시간 이상의 테스트를 통해 Dex-EE의 성능과 신뢰성이 보장되었습니다. 여기에는 AI가 반복적 인 무작위 움직임을 포함하여 작업을 효과적으로 달성하는 방법을 탐색하는 정책 학습으로 알려진 프로세스를 시뮬레이션하는 것이 포함되며, 이는 기계적 스트레스를 유발했습니다. Shadow Robot 팀은 또한 피스톤 및 다양한 도구를 포함하는 높은 수준의 충격 및 충격 테스트를 거부했습니다.
Google Deepmind는 이미 있습니다 Dex-EE의 능력을 보여주는 출판 된 연구로봇 핸드가 제한된 작업 공간 내에서 커넥터를 조작하고 연결하는 능력을 보여주는 비디오를 포함하여 로봇 핸드 주위에 충분히 둘러싸여 손이 움직일 때 영향을 미칩니다. 이 작업은 Dex-EE의 견고성을 강조하여 작업 공간의 벽에 대한 반복적 인 충돌을 견딜 수있는 방법을 보여줍니다.
Walker는“Google DeepMind는 DEX-EE를 실제 환경에서 학습을 연구하기위한 연구 플랫폼으로 사용하고 있으며, 손의 견고성과 감도는 전통적인 로봇을 손상시키는 방식으로 물체와 상호 작용할 수있게 해줍니다.
Dex-EE는 이제 더 넓은 조직의 연구 플랫폼으로 제공됩니다. Walker는 Shadow Robot의 창조물이 일상적인 환경에서 기계 학습에 대한 이해를 높이기 위해 개발되었지만 복잡한 로봇 핸드 기술은 향후 일상 생활에 점점 더 통합 될 것이라고 말했다. 그는 기술이 정규화되면서 장치가 평범 해짐에 따라 ‘로봇’레이블이 사라질 수 있다고 말했다.
“앞으로 로봇 공학에서 일하는 사람들은 매일 사용하는 장치를 개발할 것입니다. 그 단계에서 우리는 더 이상 그것을 ‘로봇’이라고 부르지 않을 것입니다. 그러면 우리의 인식은 더 이상 로봇이 무엇인지에 대한 우리의 현재 아이디어만큼 흥미롭지 않을 수도 있지만 실제로는 이러한 장치가 처음 상상했던 것보다 인류에게 훨씬 더 유용 할 수 있습니다.”
게시물 Shadow Robot Dex-EE Hand는 다음 단계로 조작합니다 먼저 나타났습니다 로봇 보고서.