maxon 故事

迄今為止最靈敏、最耐用的機械手

A human hands a rubik's cube to a robot hand, symbolizing innovation and advanced robotics. A man with long hair and a beard holds a robotic arm, showcasing a blend of human and technological innovation.

當 Google DeepMind 想要為他們的 AI 機器學習項目配備機械手時,他們選擇了 Shadow Robot。這個最新作品不僅是迄今為止最靈敏且靈活的機械手之一,還足以承受先前設計無法應對的衝擊,展現卓越的耐用性。

縱觀人類歷史,我們手部能力的重要性不容小覷。從史前人類操作最早的工具,到現代外科醫生展現的精確操作,這種肢體靈活性來自於 27 塊骨骼和 30 多塊肌肉組成的結構,由最具人性化的器官——大腦來引導。

這種複雜性使得機械手的控制變得極具挑戰。在機器人領域中,用精確的速度和力量抓取和操控物體所需的精細運動是最高的水準的技術挑戰之一。

與此同時,像 Google DeepMind 這樣的公司正在突破人工智慧 (AI) 的界限。他們試圖了解機器可以學習什麼,以拓展實際應用的可能性並指導研究。當Google DeepMind希望將機器學習擴展到複雜的機械手領域時,他們發現了一段展示某款機械手快速解開魔術方塊的影片。

A robot playing chess, focused on the board as it strategizes its next move in the game.
A man in a black shirt assembles a robotic hand.
A man at a desk with two monitors, concentrating on his programming tasks.
A human hand is reaching up to a robotic arm, representing the different sizes.
A robotic hand holding a feather, showcasing advanced technology and precision in design.
A maxon's DCX16 motor
A robot playing chess, focused on the board as it strategizes its next move in the game.
A man in a black shirt assembles a robotic hand.

DEX-EE 的獨特設計是一項關鍵創新

1/6

為真實世界而設計的機械手

Shadow Robot 與 OpenAI 合作開發的 Shadow Hand 給 Google DeepMind 團隊留下了深刻的印象。也針對這項新專案提出更進一步的要求。

Shadow Robot 總監 Rich Walker 解釋:“Google DeepMind 需要一款能在實際任務中學習的機械手。這隻手必須是迄今為止最靈敏且靈活的手,但與他們測試過的其他機器人不同的是,這隻手必須在實際任務中應對嚴苛環境的衝擊時也能生存。

Google DeepMind 要求機械手配備大量的感測器,以優先進行數據收集。因此 Shadow Robot 著手開始設計,正如 Rich 所描述的,“系統配備的感測器比在任何其他應用下都還多”。

目標是打造一支具有高靈活性、靈敏度和耐用性的機械手,用於真實世界的學習任務,不必完全仿製人手的外觀。為了最佳地滿足這些需求,設計採用了三根堅固的手指,尺寸比人類的手約大 50%。

最終成果是 DEX-EE,一款配備高速感測器網絡的機械手,能夠提供豐富的數據,包括位置、力量和慣性測量。每根手指還額外配備數百個觸覺感測通道,將壓力感應提升至令人歎為觀止的水準,幾乎達到了人類手的水準。

驅動系統創新

為了精確控制施加的力量並驅動機械手的多個關節,Shadow Robot 需要依賴高性能的驅動系統。DEX-EE 的一項關鍵創新是其獨特的設計,採用了肌腱驅動系統,每個關節使用多顆馬達,而非傳統一個關節對應一個馬達的設計方式。

Rich Walker,Shadow Robot 總監

“maxon motors 擁有悠久的製造歷史,他們的專業技術能完全符合 DEX-EE 的要求。”

五顆馬達驅動三根手指上的四個關節,這種設計除了消除反向運動時可能出現的“間隙”,將運動控制最佳化。並透過精密的馬達控制,讓每個關節都能模擬零關節扭力,使 DEX-EE 擁有極為靈敏的運動控制能力,安全處理精細物體而不造成損壞。

為了實現 DEX-EE 所需的可靠性和性能,Shadow Robot 求助於最初的驅動系統合作夥伴。

“maxon motors 擁有悠久的製造歷史,他們的專業技術能完全符合 DEX-EE 的要求。Rich 表示。“特別是在應對 Google DeepMind 想追求的嚴苛應用挑戰更是如此。”

DEX-EE整合了15顆maxon DCX16直流馬達,高扭力密度使機械手能透過肌腱施加足夠的力量,以具備執行動作(如抓握或持握)所需的動態性和力量。同時,馬達精簡的尺寸也非常重要,以適應手指內的空間限制。

馬達採用無鐵芯繞組設計,消除了傳統設計會產生的齒槽效應,即不平順的跳動。這有助於達到流暢且精準的運動控制,這對於 DEX-EE 執行精細任務時所要求的高精度非常重要。設計和製造的公差以及優質材料的選用,確保馬達安靜運行並具有高耐用性。

DEX-EE 經過全面測試

機械手的未來

超過 1,000 小時的測試確保了 DEX-EE 的性能和可靠性。包括模擬一種稱為策略學習的過程,其中 AI 透過反覆的隨機動作來探索如何有效完成任務,而這些動作同時也對機械手施加了機械壓力。Shadow Robot 團隊還對 DEX-EE 進行了高強度的衝擊和震動測試,使用活塞和各種工具來模擬不同場景。

Google DeepMind 已經發表了一些展示 DEX-EE 功能的研究,其中包括一段影片,展示機械手如何在狹小的工作空間內操作並插入接頭。這個空間緊密包圍著機械手,移動時難免與牆面發生碰撞。 這項任務凸顯了 DEX-EE 的穩健性,展示它如何承受與工作空間牆壁的反覆碰撞,仍能順利完成任務。

“Google DeepMind 將 DEX-EE 用於研究平臺,研究真實環境中的學習過程,而手的堅固性和靈敏度使其能夠以傳統機器人難以承受的方式與物體互動。”Rich 說。

目前,DEX-EE 也已向更多組織開放作為研究平臺。雖然 Shadow Robot 的這項創作主要是為了進一步理解日常環境中的機器學習,但 Rich 相信,複雜的機械手技術將更普遍地融入未來的日常生活。Shadow Robot 的總監認為,“機器人”這個名詞可能會隨著這些設備變得司空見慣而逐漸消失。

“未來,在機器人領域工作的專業人士將開發出我們每天都會使用的設備。到了那個階段,我們將不會再稱呼為“機器人”。我們對機器人的期待或許不再像現在這個時期一樣,但實際上,這些設備對於我們人類的用處可能遠比我們最初想像的要大得多 

圖片/影片版權所有:
The Shadow Robot Company Ltd. 保留所有權利。

© by © maxon motor ag