工程師們已經觀察工業機械人掌握自動焊接接縫和疊放貨盤的過程數十年。然而，這些重複性工作的成功，並不一定能在處理脆弱且每次略有不同的任務時轉化為成就。一個放在紙箱中的雞蛋正是暴露當前技術極限的脆弱物件。機械夾具施加的力量過大會導致蛋殼破裂，而施加的力量過小則會使其滑落。形狀、重心分佈或表面質感的細微變化，會干擾基於固定夾具設計或基本視覺系統的系統。為瞭解決這個問題，ABB Robotics 和 PSYONIC（Ability Hand 假肢的創造者）展開了新的合作夥伴關係。
這一舉措始於現實世界，實驗室模型和預先編排的演示無法相提並論。目前已有數百名使用者在日常生活中使用 Ability Hand 裝置。這些活躍的使用者定期捕捉現實世界的觸感反饋、壓力波動和握持變化。在他們進行日常任務—例如洗碗或翻找衣物時—會產生大量的感知數據。
ABB Robotics 與 PSYONIC 的合作將提升機械人對脆弱物體的處理能力
機械訓練中的感知差距 Ability Hand 的手指上幾乎配備了壓力傳感器，並搭載了完整的震動反饋系統。這種配置能準確告訴使用者何時接觸以及施加了多大的壓力。不僅是建立正確的握持形狀；操作員還必須感知到這一點。這種意識確保了當使用者同時握住咖啡杯和覆盆子時，他們能準確地知道需要多大的壓力，以防止咖啡杯翻倒而不壓扁水果。假肢使用者提供了有關滑溜物體的重要數據，包括真實世界中的施力水平、手指位置和運動速度。
研究人員通常會嘗試使用專業手套、虛擬現實設備或視頻來教導機械人。雖然這些標準訓練方法還算不錯，但它們主要僅指示手指的最終位置，卻未能捕捉到一些重要的細節，例如施加的壓力感受和不同質感的感受。 自動化與假肢的整合 為了縮小這一差距，ABB 將 Ability Hand 直接安裝到其 GoFa 機械臂上，以進行無限次的測試和改進。GoFa 機械臂提供了工程師所需的工業級準確性以及精確的力量和位置測量。
同時，所有來自人類使用的數據都反饋到系統中，以指導機械版本的行為。巧妙之處在於，兩側均使用相同的手部設計。由於硬件相匹配，因此將這種學習的行為從人類轉移到機械上變得簡單。工程師能夠將從實際互動中獲得的知識納入新的控制方法中。根據 ABB Robotics 總裁 Marc Segura 的説法，獲得人類的靈活性以及內在的處理各類產品的知識，一直是工業機械人面臨的最具挑戰性的元素之一，而這一聯盟旨在解決這一問題。
在不可預測環境中的自主性 這個項目是創造能夠獨立檢測、思考和管理物體的先進機器的一部分。通過擺脱僵化的預編程路徑，這一整合旨在構建能夠展現真實世界反應的系統。這一轉變使機械人能夠在不斷變化和不可預測的環境中運作，具備更高的自主性。
