OnRobot

AI Vật lý trong Thế giới Thực

Bốn yêu cầu để thao tác robot đáng tin cậy

AI vật lý cho phép robot nhận biết, thích ứng và hành động trong thế giới vật lý với lượng công việc kỹ thuật dành riêng cho từng nhiệm vụ ít hơn đáng kể so với tự động hóa truyền thống.

Robot có thể học từ thao tác minh họa, cải thiện hiệu suất qua kinh nghiệm, sử dụng mô hình thị giác và ngôn ngữ để diễn giải nhiệm vụ, đồng thời hoạt động trong môi trường ít cấu trúc hơn. Đây là một triển vọng rất hấp dẫn.

Đối với các nhà phát triển robot, nhà nghiên cứu AI vật lý và đội ngũ robot lấy AI làm nền tảng, những khả năng này mở ra các ứng dụng vốn quá biến động, quá tốn kém hoặc quá phức tạp để tự động hóa.

Khi các hệ thống AI vật lý chuyển từ mô phỏng sang ứng dụng trong thế giới thực, các yêu cầu cũng thay đổi. Mô hình và mô phỏng vẫn rất cần thiết, nhưng cuối cùng robot tương tác với thế giới vật lý thông qua cánh tay, bộ kẹp, cảm biến và công cụ tiếp xúc trực tiếp với vật thể.

Để chuyển từ nghiên cứu sang triển khai, AI vật lý cần một lớp tương tác vật lý đáng tin cậy.

Đây chính là lĩnh vực OnRobot đã phát triển trong hơn một thập kỷ.

Trước khi “AI vật lý” trở thành một phần trong thuật ngữ robot, OnRobot đã giải quyết nhiều thách thức thực tế hiện đang định hình nghiên cứu trong lĩnh vực này: khả năng thích ứng, cảm biến, phản hồi và khả năng ứng phó với sự biến thiên trong thế giới thực. Các công cụ đầu cánh tay chạy điện, linh hoạt và có phản hồi của chúng tôi được thiết kế để hoạt động đáng tin cậy trong môi trường thực tế luôn thay đổi. Hiện nay, hơn 22.000 sản phẩm OnRobot đã được lắp đặt trong nhiều ứng dụng trên toàn thế giới.

1. Triển khai đòi hỏi tương tác vật lý có thể lặp lại

Thực hiện một nhiệm vụ trong môi trường được kiểm soát là một chuyện, triển khai nhiệm vụ đó trong điều kiện biến thiên của thế giới thực lại là một thách thức khác.

Nếu hệ thống không thể xử lý đáng tin cậy những thay đổi về kích thước, hình dạng và bề mặt vật thể trong các điều kiện vận hành khác nhau, trí tuệ của mô hình sẽ có giá trị thực tiễn hạn chế.

Các tham số kẹp có thể lập trình và phản hồi vật lý giúp hệ thống lặp lại hành động, phát hiện biến thiên và xác nhận tương tác đã tạo ra kết quả mong muốn.

Các công cụ điện và cảm biến của OnRobot cung cấp cho đội ngũ AI vật lý phần cứng đáng tin cậy để tương tác trong thế giới thực.

2. Các mô hình mạnh hơn cần một lớp thực thi đáng tin cậy

Khi các mô hình nền tảng, học robot, hệ thống thị giác-ngôn ngữ-hành động và mô phỏng trở nên mạnh mẽ hơn, lớp thực thi càng trở nên quan trọng.

Chuyển động robot đã tương đối hoàn thiện so với thao tác trong thế giới thực. Đó là vì thao tác phụ thuộc vào các biến số vật lý không thể loại bỏ hoặc mô hình hóa hoàn hảo.

Đó là lý do cơ cấu chấp hành cuối đóng vai trò rất quan trọng.

Chỉ sử dụng mô phỏng
Chỉ sử dụng mô phỏng
Các mô hình có thể tạo ra các hành động, nhưng phần cứng phải thực thi các hành động đó. Các mô hình có thể suy luận rằng một vật thể cần được nhặt lên.
Bổ sung thành phần vật lý
Bổ sung thành phần vật lý
Bộ kẹp vật lý phải tiếp xúc, tác dụng lực phù hợp, phát hiện vật thể đã được giữ chắc chắn hay chưa và phản ứng khi có thay đổi.

Bạn muốn cập nhật thêm tin tức về AI vật lý?

3. Dữ liệu tiếp xúc phong phú bổ sung cho mô phỏng và thị giác

Mô phỏng cho phép các nhóm đào tạo, thử nghiệm và lặp lại nhanh chóng. Thị giác giúp robot nhận dạng vật thể, hiểu bối cảnh và lập kế hoạch chuyển động.

Thao tác đáng tin cậy cũng cần phản hồi vật lý. Đối với các hệ thống dựa trên học máy, dữ liệu tương tác đầy đủ hơn có thể cải thiện quá trình đào tạo, xác thực và phân tích lỗi.

Động lực học tiếp xúc, bao gồm ma sát, độ mềm dẻo, trượt, biến dạng, quán tính và biến thiên bề mặt, rất khó tái tạo trong mô phỏng. Một lần kẹp thành công trong mô phỏng có thể thất bại trong thế giới thực nếu vật thể dịch chuyển, bề mặt phản ứng khác hoặc chi tiết tạo lực cản khi tiếp xúc.

Camera có thể xác định vị trí vật thể nhưng không phải lúc nào cũng nhận biết được vật thể đã được giữ chắc chắn hay chưa. Camera cũng có thể bỏ sót hiện tượng trượt nhẹ, tiếp xúc không đối xứng, lực cản khi lắp hoặc lực quá lớn.

Những hạn chế này khiến phản hồi đa phương thức trở thành một phần quan trọng của AI vật lý.

Các dạng phản hồi khác nhau ghi nhận các giai đoạn khác nhau của tương tác. Cảm biến tiệm cận cung cấp dữ liệu trước khi tiếp xúc. Cảm biến lực/mô-men xoắn có thể cung cấp thông tin trong khi tiếp xúc. Phát hiện trạng thái kẹp xác nhận robot có đang giữ vật thể hay không. Dữ liệu độ mở bộ kẹp cung cấp thông tin về vật thể và trạng thái kẹp, trong khi tín hiệu thành công và thất bại hỗ trợ vòng lặp học.

Bộ kẹp RG2-FT kết hợp

Cảm biến lực/mô-men xoắn ở đầu ngón
Cảm biến tiệm cận
Phát hiện trạng thái kẹp
Dữ liệu lực/mô-men xoắn tại điểm tương tác


4. Thao tác linh hoạt cần công cụ phù hợp cho từng nhiệm vụ

AI vật lý thường gắn liền với robot đa năng, nhưng không có một cơ cấu chấp hành cuối nào phù hợp lý tưởng với mọi nhiệm vụ.

Các vật thể và ứng dụng khác nhau đòi hỏi phương thức tương tác khác nhau:

  • Bộ kẹp 2 ngón phù hợp với nhiều nhiệm vụ gắp và đặt.

  • Bộ kẹp 3 ngón có thể xử lý các vật thể tròn, không đều hoặc lớn hơn.

  • Công cụ chân không và từ tính đơn giản hóa việc xử lý các bề mặt và vật liệu phù hợp.

  • Cảm biến lực/mô-men xoắn cung cấp phản hồi cho các nhiệm vụ có nhiều tiếp xúc.

  • Bộ đổi công cụ cho phép robot chuyển đổi giữa các cơ cấu chấp hành cuối.

Trong thực tế, AI vật lý đòi hỏi tính linh hoạt của cả phần cứng lẫn phần mềm.

Khi robot cần xử lý sự biến thiên, học từ kinh nghiệm hoặc hoạt động trong nhiều nhiệm vụ, cơ cấu chấp hành cuối trở thành một phần của kiến trúc hệ thống. Nó quyết định robot có thể kẹp, nâng, giữ, lắp, đẩy, kéo, thay đổi và nhả những gì, đồng thời ảnh hưởng đến phản hồi mà bộ điều khiển hoặc mô hình có thể sử dụng.

Danh mục sản phẩm của OnRobot được xây dựng xoay quanh thực tế này trước khi AI vật lý trở thành chủ đề nổi bật. Các công cụ chạy điện, linh hoạt và có phản hồi được thiết kế để giúp nhà sản xuất triển khai, điều chỉnh và tái sử dụng tự động hóa dễ dàng hơn trong nhiều ứng dụng.

Triết lý thiết kế đó hiện phù hợp chặt chẽ với nhu cầu của các nhà nghiên cứu AI vật lý và các công ty robot lấy AI làm nền tảng.

Được thiết kế cho sự biến thiên trong thế giới thực

Giai đoạn tiếp theo của AI vật lý sẽ phụ thuộc vào các mô hình mạnh hơn, dữ liệu tốt hơn, mô phỏng được cải thiện và nền tảng robot có năng lực cao hơn. Nó cũng phụ thuộc vào lớp tương tác vật lý gồm bộ kẹp, cảm biến, bộ đổi công cụ và công nghệ đầu cánh tay, giúp mô hình hành động đáng tin cậy trong thế giới thực.

Công cụ đầu cánh tay không còn chỉ là thành phần cuối cùng được bổ sung vào robot. Chúng là một phần không thể thiếu của các hệ thống học tiên tiến.

 

Danh mục sản phẩm OnRobot đã được kiểm chứng trong công nghiệp mang đến cho các nhà nghiên cứu, nhà phát triển robot và nhà sản xuất một nền tảng linh hoạt để chuyển từ những mô hình đầy hứa hẹn sang thao tác đáng tin cậy trong thế giới thực.

Liên hệ OnRobot để tìm hiểu cách các công cụ của chúng tôi có thể hỗ trợ ứng dụng AI vật lý của bạn.

Chọn ngôn ngữ

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
Tiếng Việt