これまでに作られた中で最も感度と耐久性に優れたロボットハンド

Google DeepMind は、AI 機械学習の最新プロジェクトのためのロボットハンドが必要になったとき、Shadow Robot に着目しました。この最新作は、これまでに作られた中で最も感度が高く器用なだけでなく、以前のデザインを破壊した衝撃に耐えるのに十分な堅牢性を備えています。

人類の歴史を通じて、手の能力が果たす役割は計り知れません。先史時代の最古の道具の扱い方から、現代の外科医が示す精度まで、この器用さは、27の骨と30以上の筋肉に基づいており、おそらくすべての臓器の中で最も人間らしいもの、すなわち脳によって導かれています。

その複雑さがロボットハンドの制御を非常に難しいものにしています。ロボット工学の世界では、正確な速度と力で物体をつかみ、操作するために必要な微細な運動能力よりも高いレベルはありません。

一方、Google DeepMindのような企業は、人工知能(AI)の限界に挑戦しています。彼らは、機械が何を学習できるかを理解し、実用的な可能性の範囲を広げ、研究を導こうとしています。Google DeepMindがロボットハンドの複雑な分野で機械学習を拡大したいと考えていたとき、ルービックキューブをすばやく完成させる方法を学習するモデルのビデオに出会いました。

DEX-EEのユニークなデザインは重要な革新です

1/6

現実世界のためのロボットハンド

OpenAIとのパートナーシップで開発されたShadow RobotのShadow Handは、Google DeepMindチームに感銘を与えました。しかし、この新しいプロジェクトには、さらに何かが必要でした。

Shadow Robot のディレクターである Rich Walker 氏は、「Google DeepMind は、現実世界のタスクを学習できるロボットハンドを求めていました。このハンドは、これまでに開発された中で最も器用で感度が高いものでなければなりませんでしたが、彼らがテストした他のロボットとは異なり、困難で実用的なタスクに伴う衝撃にさらされても生き残る必要がありました。」

Google DeepMindは、データ収集を優先するために多数のセンサを要求したため、Shadow Robotは、Rich氏が言うように、「他の状況では賢明とは言えないほど多くのセンサ」を備えたハンドの設計に着手しました。

目標は、必ずしも人間の手の外観を再現することなく、実世界の学習タスクに適した高い器用さ、感度、堅牢性を備えたロボットハンドを作成することでした。これらのニーズを最大限に達成するために、設計は3本の頑丈な指と、人間の手よりも約 50% 大きい手を採用しています。

その結果、DEX-EEは、位置、力、慣性測定などの豊富なデータを提供する高速センサネットワークを備えたロボットハンドになりました。これは、指ごとに数百もの触覚センサが追加されており、圧力感度の精度を驚異的なレベルに最適化します。まるで人間の手に近い感覚を持つかのようです。

システムイノベーションの推進

力の加え方を細かく制御し、手の関節を作動させるために、Shadow Robotは高性能な駆動システムに頼る必要がありました。DEX-EEの主な革新点は、そのユニークな設計であり、一般的な一関節ごとに1つのモータというアプローチではなく、一関節ごとに複数のモータを使用する腱駆動システムを特徴としています。

このアプローチでは、3本の指のそれぞれに4つの関節を駆動する5つのモータにより、動きの方向が逆になったときに発生する可能性のある「遊び」であるバックラッシュを排除し、制御された動きを最適化します。慎重なモータ制御により、各関節はゼロ関節トルクを模倣することができ、DEX-EEに繊細な動作制御を実現し、リスクなしでデリケートな物体を扱うことを可能にします。

DEX-EEが必要とする信頼性と性能を実現するために、Shadow Robot社はオリジナルの駆動システムパートナーに相談しました。

「maxonのモータは、その背景に長い製造進化を遂げており、その実績はDEX-EEに対する要求にとって非常に重要でした」とRich氏は言います。「これは、Google DeepMind が求めていた現実世界での厳密な使用に特に当てはまりました。」

DEX-EEは、15台のmaxon DCX16 DCモータを統合し、ロボットハンドが腱に十分な力を加えるために必要な高トルク密度を実現しています。これにより、握ったり持ったりする動作に必要なダイナミズムと強度を持ったハンドの動作が可能になります。同時に、モータは各指の付け根に収まるように十分にコンパクトでなければなりませんでした。

モータのコアレス巻線は、従来の鉄心設計によって発生する相対的なぎくしゃく感であるコギングも排除します。これにより、DEX-EEが最も繊細なタスクに対して正確な精度レベルに到達するために不可欠な、スムーズで制御された動きを実現できます。設計と製造における高い公差レベルとプレミアム素材により、静かな動作と高い耐久性を実現しています。

DEX-EEは徹底的にテストされています

ロボットハンドの未来

1,000時間を超えるテストにより、DEX-EEの性能と信頼性が保証されました。これには、AIが機械的なストレスも引き起こすランダムな動きを繰り返すことで、タスクを効果的に達成する方法を探る、ポリシー学習と呼ばれるプロセスのシミュレーションが含まれていました。また、Shadow Robotチームは、DEX-EEにピストンや様々な工具を用いた高度な衝撃試験を実施しました。

Google DeepMindは、DEX-EEの機能を紹介する研究をすでに発表しており、その中には、周囲を十分に囲った狭いワークスペース内で、ロボットハンドがコネクタを操作して差し込む動作を実演したビデオも含まれています。 このタスクは、DEX-EEの堅牢性を強調し、ワークスペースの壁への度重なる衝突に耐えながらタスクを完了できることを示しています｡

「Google DeepMind は、実世界の環境での学習を研究するための研究プラットフォームとして DEX-EE を使用しています。ハンドの堅牢性と感度により、従来のロボットでは損傷を与えてしまうような方法で物体を扱うことができます」と Rich 氏は述べています。

DEX-EEは、より広範な組織に研究プラットフォームとしても利用できるようになりました。Shadow Robotの製品は、日常的な環境での機械学習の理解を深めるために開発されましたが、Rich氏は、複雑なロボットハンドテクノロジーが将来、ますます日常生活に溶け込んでゆくと考えています。テクノロジーが常態化するにつれて、Shadow Robotのディレクターは、デバイスが一般的になるにつれて、「ロボット」のラベルが薄れてゆく可能性があると述べています。

「将来的には、ロボット工学で働く人々が、私たちが日常的に使用するようなデバイスを開発するでしょう。その段階では、私たちはもうそれを「ロボット」とは呼ばなくなるでしょう。そうなれば、私たちの認識は、ロボットがどうあるべきかという現在の考えほど刺激的ではなくなるかもしれませんが、実際には、これらのデバイスは、私たちが最初に想像していたよりもはるかに人類にとって役立つ可能性があります。」 

画像・動画
The Shadow Robot Company Ltd. All rights reserved