OnRobot

AI를 위한 물리적 상호작용 계층

Physical AI에는 모델 출력을 실제 환경의 행동으로 전환할 수 있는 로봇이 필요합니다.

이를 위해서는 물체를 파지하고, 접촉을 감지하고, 힘을 측정하고, 동작을 조정하며, 물리적 상호작용에서 유용한 모델 학습 데이터를 생성할 수 있는 그리퍼, 도구 및 센서가 필요합니다. OnRobot은 AI 모델 개발자, AI 우선 로봇 기업, 휴머노이드 로봇 팀, 연구기관 및 로봇 제조업체에 학습, 검증 및 실제 환경 배포를 위한 전동 그리퍼, 힘/토크 센서 및 엔드 오브 암 도구의 통합 플랫폼을 제공합니다.

Physical AI를 위한 설계

물리적 AI는 새로운 것일 수도 있습니다.

전기적이고 피드백이 풍부하며 유연한 그리퍼는 그렇지 않습니다.

OnRobot에서는 실제 자동화를 위한 유연한 전기 그리퍼, 센서 및 팔 끝 도구를 구축하는 데 수년을 보냈습니다. 22,000개 이상의 OnRobot 제품이 전 세계적으로 실제 산업 환경, 연구실, 대학 및 학교에 배포되었습니다. 물리적 AI는 동적인 비정형 환경, 변화하는 조건, 다양한 부품 크기를 처리할 수 있는 로봇을 가능하게 합니다. OnRobot의 전기 그리퍼는 유연하고 프로그래밍 가능하며 실제 조작을 위해 제작되었기 때문에 이러한 요구 사항에 매우 적합합니다.

RG2/RG6 전동 그리퍼
RG2/RG6 전동 그리퍼
다양한 크기와 형상의 물체를 처리하는 유연한 2지 파지.
RG2-FT
RG2-FT
통합 힘/토크 및 근접 센싱을 갖춘 전동 파지로 접촉 정보가 풍부한 검증 지원.
HEX 힘/토크 센서
HEX 힘/토크 센서
물리적 상호작용, 정렬 및 접촉력이 중요한 애플리케이션을 위한 힘/토크 센싱.

현실 세계에서 피지컬 AI에 필요한 4가지 요건을 자세히 알아보세요

시각만으로는 감지할 수 없는 관찰 내용을 포착하세요.

비전은 로봇이 보는 것을 보여줍니다. 힘과 토크 피드백은 로봇이 세계에 닿을 때 어떤 일이 일어나는지 보여줍니다. F/T 피드백은 조작 작업의 주요 질문에 답하는 데 도움이 됩니다.

  • 접촉이 일어났나요?

  • 얼마나 많은 힘이 가해졌는가?

  • 물건이 미끄러졌나요?

  • 그립감은 안정적인가요?

  • 삽입에 성공했나요?

물리적 AI 애플리케이션의 경우 접촉이 많은 조작을 위해서는 그립 ​​안정성, 저항, 미끄러짐, 삽입력, 부품 위치 및 작업 결과에 대한 이해가 필요합니다.

OnRobot 그리퍼와 센서는 실제 로봇 작업 중에 이러한 물리적 관찰을 캡처하는 데 도움이 됩니다.

Physical AI에는 접촉 정보가 풍부한 데이터가 필요합니다

조작은 Physical AI의 핵심 로봇 애플리케이션 중 하나로, 이 분야의 최근 연구 논문 중 약 3분의 2를 차지합니다.
하지만 물리적 상호작용 작업에서 힘 제어가 핵심적인 역할을 하는데도 힘 측정을 포함하는 연구 논문은 20% 미만입니다.
Physical AI에는 실제 상호작용 데이터를 더 효과적으로 수집할 수 있는 방법이 필요합니다.
약 2/3
Physical AI 논문이 조작에 초점
20% 미만
힘 측정 포함
60%
실제 하드웨어 시연이 100회 미만

주요 도구:

접촉 데이터가 풍부한 검증을 위한 RG2-FT

RG2-FT는 전동 파지와 통합 힘/토크 및 근접 센싱을 결합합니다.

이를 통해 Physical AI 팀은 실제 조작 데이터를 수집하고, 시뮬레이션을 넘어 로봇 동작을 검증하며, 접촉, 힘 및 물체의 차이가 중요한 상황에서 모델의 성능을 테스트할 수 있습니다.

3–40 N 조절식 그립력 작업, 물체 및 시연에 맞게 파지를 조정합니다.
최대 100 mm 조절식 스트로크 다양한 크기와 형상의 물체를 처리합니다.
힘/토크 및 근접 센싱 실제 조작 작업 중 상호작용 힘을 수집합니다.
통합 전동 브러시리스 DC 모터 반복 가능한 실제 환경 테스트를 위한 프로그래밍식 전동 파지.

Physical AI 사이클

각 명령-피드백 사이클은 현재의 작업 수행을 개선하고 미래를 위한 학습 데이터를 생성합니다.
단계 1
명령
툴에 수행 방법을 지시합니다
단계 2
피드백
발생한 상황을 확인합니다
단계 3
조정
피드백을 활용해 개선합니다
단계 4
학습
동작을 데이터로 전환합니다

OnRobot의 그리퍼, 센서 및 엔드 오브 암 툴은 실제 환경에서의 조작 과정에서 힘, 토크, 개구 폭, 그립 상태, 근접 여부, 접촉 이벤트 및 작업 결과와 같은 물리적 관측 데이터를 수집하는 데 도움을 줍니다.

이러한 데이터가 축적되면 자율 동작 모델은 더욱 적합한 툴 설정, 효과적인 복구 동작 및 유사한 작업을 완료하는 더 나은 방법을 학습할 수 있습니다.

AI 우선 로봇을 위한 실용적인 플랫폼

OnRobot 자동화 전문가와 상담이 필요하신가요?

FAQ

Physical AI는 물리적 세계에서 학습하고 행동하는 로봇 시스템을 의미합니다. AI 모델을 실제 움직임, 접촉, 힘, 토크, 센서 피드백 및 작업 결과와 연결합니다.

AI 모델을 실제 행동과 연결하는 하드웨어 및 도구 계층입니다. 그리퍼, 힘/토크 센서, 엔드 오브 암 도구 및 피드백 시스템이 포함되며, 로봇이 파지, 조작, 접촉 측정 및 실행 중 유용한 관측 정보 수집을 수행할 수 있게 합니다.

모델 학습, 검증 및 배포에 활용할 수 있는 실제 상호작용 신호입니다. 예로 힘, 토크, 그리퍼 폭, 근접, 파지 상태, 도구 상태, 부품 감지, 오류 및 작업 결과가 있습니다.

RG2/RG6, 2FG7/2FG14 및 RG2-FT와 같은 OnRobot 그리퍼는 유연하고 프로그래밍 가능한 실제 조작이 필요한 Physical AI 애플리케이션을 지원합니다. 다양한 물체, 부품 크기, 접촉 조건 및 작업 결과에서 모델 성능을 테스트하는 데 도움이 됩니다.

HEX 힘/토크 센서는 접촉, 정렬, 저항 또는 가해진 힘이 중요한 작업에서 물리적 상호작용을 측정할 수 있습니다. 이를 통해 검증, 피드백 제어 및 조작 작업을 위한 실제 관측 정보 수집을 지원합니다.

많은 조작 작업이 접촉 중 일어나는 상황에 좌우되기 때문입니다. 힘과 토크 데이터는 로봇이 파지 안정성, 저항, 미끄러짐, 삽입력, 정렬 및 실패 조건을 이해하는 데 도움이 됩니다.

RG2-FT는 전동 파지와 통합 힘/토크 및 근접 센싱을 결합합니다. 따라서 접촉 정보가 풍부한 조작 데이터를 수집하고 실제 작업에서 로봇 동작을 검증하는 데 유용합니다.

시연 학습에는 실제 행동과 결과에 대한 고품질 사례가 필요합니다. RG2-FT는 시연 중 힘, 토크, 위치, 근접 및 작업 결과를 포함한 물리적 상호작용 신호를 수집하는 데 도움이 됩니다.

OnRobot 도구를 사용하면 로봇 팀이 예상 동작을 실제 결과와 비교할 수 있습니다. 물리적 조건에서 로봇 성능을 테스트하여 물체가 달라지고 접촉 위치가 변하며 실제 조작에서 불확실성이 발생할 때의 모델 성능을 평가할 수 있습니다.

도구와 설정에 따라 OnRobot 제품은 힘, 토크, 위치, 근접, 도구 상태, 부품 감지, 파지 상태 및 오류와 같은 피드백을 제공할 수 있습니다.

전동 그리퍼는 프로그래밍과 제어가 가능하며 피드백을 제공할 수 있습니다. 따라서 반복 가능한 데이터 수집, 적응형 조작 및 실제 환경 검증에 적합합니다. OnRobot 전동 그리퍼는 다양한 크기의 부품을 처리할 수 있어 실제 변동성에 대한 알고리즘의 반응을 테스트할 수 있습니다.

아닙니다. OnRobot 도구와 그리퍼는 실제 산업 자동화 작업을 위해 설계되었습니다. 전 세계에 22,000개 이상의 OnRobot 제품이 배포되었습니다. Physical AI 팀은 실제 사용을 위해 제작된 하드웨어로 학습과 검증을 진행할 수 있습니다.

예. 신뢰성 높은 전동식 피드백 지원 엔드 오브 암 도구가 필요한 경우, OnRobot 도구는 실용적인 배포를 추진하는 휴머노이드 및 모바일 조작 팀을 지원할 수 있습니다.

언어 선택

Americas

English Português Español

Asia

简体中文 繁体中文 日本語 한국어 ภาษาไทย Tiếng Việt

Europe

English Čeština Dansk Nederlands Suomi Français Deutsch Magyar Italiano Norsk Polski Português Română Español Svenska Türkçe
한국어