ABB 和 PSYONIC 的合作有什麼特別之處？

兩者最大的突破在於使用「相同硬體」串接人類與機器人端。數百名 Ability Hand 義肢使用者在日常生活中產生的真實觸覺數據，可以直接轉移給安裝相同手掌的 GoFa 機械手臂，省去傳統訓練方法無法捕捉觸感細節的缺點。

為什麼工業機器人過去很難輕拿雞蛋這類易碎物？

傳統機器人依賴固定夾爪設計或基礎視覺系統，只能記錄手指位置，無法感測真實施力大小與物體紋理。雞蛋形狀、重量分布每次略有不同，稍有偏差就會壓碎或滑落，需要即時觸覺回饋才能精確控制。

此計畫目標是讓機器人能在多變且不可預測的環境中自主運作，脫離預先編程路徑的限制。除了食品處理，未來可應用於需要精細操作的製造業、倉儲物流、醫療輔助等場景。

ABB Robotics 與義肢品牌 PSYONIC 合作，透過 Ability Hand 義肢使用者在日常生活中累積的真實觸覺與壓力數據，訓練裝載於 GoFa 機械手臂的機器人手掌，使其學會處理雞蛋等易碎物品所需的精細握力控制，突破工業機器人在非重複性精細操作上的技術瓶頸。

21 天前

文章重點

ABB Robotics 與 PSYONIC 合作，將數百名 Ability Hand 義肢使用者的真實觸覺數據導入機器人訓練系統。

Ability Hand 義肢每根手指內建壓力感測器並配備震動回饋，可即時捕捉施力大小與材質觸感等細節數據。

ABB 將 Ability Hand 直接安裝於 GoFa 工業機械手臂，人機兩端採用完全相同硬體，大幅降低知識轉移的技術門檻。

ABB Robotics 總裁 Marc Segura 指出，讓機器人具備人類靈巧度一直是工業機器人最困難的課題，此合作正面突破該挑戰。

此計畫旨在使機器人擺脫固定預設路徑，在不可預測的環境中以更高自主性操作雞蛋等易碎且形狀多變的物體。

數十年來，工程師見證了工業機器人在自動化焊接和棧板堆疊等重複性任務上的卓越表現。然而，一旦任務涉及易碎且每次形狀略有不同的物體，這些成功經驗便難以複製。

一枚放在蛋盒中的雞蛋，正是最能暴露現有技術極限的典型案例。機械夾爪施力過大會壓碎蛋殼，力道太小則會讓雞蛋滑落。形狀、重量分布或表面紋理的細微差異，足以讓依賴固定夾爪設計或基礎視覺系統的機器人束手無策。

為克服這項挑戰，ABB Robotics 與義肢品牌 PSYONIC（Ability Hand 義肢的研發商）正式宣布建立新合作夥伴關係。這項計畫從真實世界出發，因為實驗室模型和預先編程的示範在此根本無法派上用場。

目前已有數百名使用者在日常生活中配戴 Ability Hand 義肢。這些活躍使用者在日常操作中持續產生真實的觸覺回饋、壓力變化與握持調整數據。無論是洗碗、翻找衣物，每一個動作都累積了豐富的感測數據。

Ability Hand 的每根手指均內建壓力感測器，並配備完整的震動回饋系統。這套配置能即時告知使用者接觸的時機與施加的壓力大小，讓操作者真實「感受」到握持狀態，而不僅僅是調整手型。

舉例來說，若使用者同時握住一個馬克杯和一顆覆盆子，系統能幫助他們精確拿捏力道——讓杯子不傾倒，又不壓壞脆弱的水果。

義肢使用者也在處理滑溜物體時提供了關鍵數據，包括施力大小、手指擺放位置及動作速度等真實世界資訊。相較之下，研究人員過去通常透過特製手套、虛擬實境裝置或影片來訓練機器人，這些方法雖然可行，但大多只能記錄手指最終的位置，而無法捕捉施力細節與不同材質的真實觸感。

為了彌補這項差距，ABB 將一隻 Ability Hand 直接安裝至旗下 GoFa 機械手臂，進行無限次測試與優化。GoFa 提供工業級精度及精密的力量與位置量測能力，而從人類使用端彙整的所有數據，則同步回饋至系統，用以指導機器人版本的行為模式。

這項合作的關鍵優勢在於：人類義肢端與機器人端採用完全相同的硬體設計。由於硬體一致，將人類習得的行為模式轉移至機器是一件相當直接的事。工程師可以取用真實互動中蒐集到的知識，並整合進全新的控制演算法中。

ABB Robotics 總裁 Marc Segura 表示，如何讓機器人具備人類的靈巧度以及對各種物品的本能處理知識，向來是工業機器人領域最困難的課題之一，而這項聯盟正是為了正面突破這項挑戰。

這項計畫是打造新世代智慧機器更宏觀佈局的一環，目標是讓機器人能夠獨立感知、判斷並操控物體。透過擺脫固定預設路徑的限制，此整合方案旨在建構具備真實世界應變能力的系統，使機器人在多變且難以預測的環境中，能以更高度的自主性運作。

原文來源： 查看原文