همه مقاله‌ها
رباتیکهوش مصنوعی فیزیکیحسگر لمسیدست‌کاری چابک

حسگر لمسی ربات در ۲۰۲۶: چرا حس لامسه به لایه گم‌شده دست‌های رباتیک چابک تبدیل شده است

ربات‌ها دیدن و برنامه‌ریزی را یاد گرفته‌اند، اما بیشترشان هنوز نمی‌توانند حس کنند انگشتانشان چه می‌کنند. در مهر و آبان ۱۴۰۵ (اکتبر و نوامبر ۲۰۲۶) مجموعه‌ای از نتایج از استنفورد، NYU و کلمبیا، مؤسسه پژوهشی تویوتا، دانشگاه یورک، Sharpa و گوگل دیپ‌مایند نشان داد حس لامسه تا چه حد تصویر را تغییر می‌دهد؛ از پوست لمسی تمام‌دست با هزینه مواد کمتر از ۱۰ دلار تا حسگرهای سرانگشتی که از دوربین مچ بهتر عمل کردند. حسگر لمسی ربات دقیقاً چه چیزی را می‌سنجد، شواهد تازه چه می‌گویند، محدودیت‌ها کجاست و یک راهنمای عملی برای مدیران فناوری.

نویسنده: یاسینه پورابراهیم · · ۱۲ دقیقه مطالعه

در دو سال گذشته ربات‌ها در دیدن صحنه، فهمیدن دستور و برنامه‌ریزی مراحل کار بسیار بهتر شده‌اند. اما چند سانتی‌متر آخر هنوز سخت‌ترین بخش است. وقتی انگشت‌ها دور یک لیوان، یک کابل یا یک لوله آزمایش بسته می‌شوند، خود نقطه تماس اغلب از دید همه دوربین‌ها پنهان است و رباتی که فقط به بینایی تکیه دارد باید حدس بزند که جسم را محکم گرفته، در حال لیز خوردن است یا بیش از حد فشار می‌دهد. حسگر لمسی ربات تلاشی برای بستن همین شکاف است. در مهر و آبان ۱۴۰۵ چند نتیجه مستقل، از آزمایشگاه‌های دانشگاهی، یک مؤسسه پژوهشی صنعتی، یک سازنده دست رباتیک و گوگل دیپ‌مایند، قوی‌تر از همیشه نشان دادند که حس لامسه دارد به لایه‌ای اصلی در پشته رباتیک تبدیل می‌شود، نه یک کنجکاوی پژوهشی.

حسگر لمسی ربات دقیقاً چه چیزی را می‌سنجد

دوربین به ربات می‌گوید اشیا کجا هستند. حسگر لمسی به آن می‌گوید در نقطه تماس چه اتفاقی می‌افتد. ابزارهایی که در این مقاله مرور می‌کنم ترکیب‌های مختلفی از چهار سیگنال را می‌سنجند:

  • تماس و محل آن: آیا بخشی از انگشت یا کف دست با چیزی در تماس است و کجا.
  • نیروی عمودی: سطح با چه شدتی فشرده می‌شود.
  • نیروی برشی: نیروی جانبی در امتداد سطح؛ نخستین نشانه اینکه جسم دارد لیز می‌خورد یا درپوشی در حال آزاد شدن است.
  • هندسه تماس: شکل ناحیه تماس که کمک می‌کند بفهمیم جسم در دست چگونه قرار گرفته است.

فناوری‌ها با هم فرق دارند. آرایه لمسی پویای Sharpa (Dynamic Tactile Array) از حسگری مبتنی بر بینایی استفاده می‌کند: یک دوربین کوچک درون هر سرانگشت تغییر شکل یک سطح نرم را می‌بیند. پوست SoTa استنفورد خازنی است. PanoTac از NYU و کلمبیا یک آرایه پیزومقاومتی را با آهنربا و مغناطیس‌سنج ترکیب می‌کند تا نیروی برشی را بگیرد. کار دانشگاه یورک از حسگرهای نیروی سه‌محوره پیزومقاومتی روی هر انگشت بهره می‌برد. ایده مشترک این است که ربات به‌جای استنباط تماس از پیکسل‌ها، اندازه‌گیری مستقیمی از آن دریافت کند.

پژوهش‌های تازه حس لامسه رباتیک چه نشان می‌دهند

SoTa: پوست لمسی تمام‌دست ۱۰ دلاری برای انسان و ربات

در ۹ مهر ۱۴۰۵ (۱ اکتبر ۲۰۲۶) پژوهشگران دانشگاه استنفورد، همراه با همکارانی از دانشگاه تسینگهوا و دانشگاه کمبریج، SoTa را منتشر کردند: یک پوست لمسی خازنی نرم که تمام دست، یعنی انگشت‌ها و کف دست، را می‌پوشاند و چیدمان مشترکی از ۲۰۲ تاکسل (پیکسل لمسی) دارد. همین چیدمان هم روی دست انسانِ نمایش‌دهنده و هم روی دست ربات به کار می‌رود، بنابراین یک رمزگذار لمسی واحد می‌تواند بدون نگاشت آموخته‌شده میان حسگرها از هر دو یاد بگیرد. نویسندگان هزینه مواد هر پوست را کمتر از ۱۰ دلار، حفظ بیش از ۹۷ درصد دامنه پاسخ اولیه پس از ۱۰٬۰۰۰ چرخه بارگذاری و پیوستگی الکتریکی در ۱٬۲۸۰ چرخه مشت کردن کامل گزارش کرده‌اند.

مهم‌ترین عدد درباره داده است نه سخت‌افزار. با بودجه ثابتی از نمایش‌های رباتی، افزودن نمایش‌های ارزان‌ترِ انسانی با همان پوست، میانگین موفقیت را در هشت شرایط ارزیابی از ۲۲٫۸ به ۴۵٫۹ درصد رساند و موفقیت را در هر پنج شرایط خارج از توزیع بهبود داد. مشاهدات لمسی در هر سه کار (چرخاندن جعبه، برداشتن لیوان و وارد کردن دوشاخه) موفقیت درون توزیع را نسبت به سیاست‌های صرفاً بینایی بهتر کرد، هرچند نویسندگان تصریح می‌کنند این مزیت به‌طور پیوسته به شرایط خارج از توزیع منتقل نشد. آن‌ها قصد دارند منابع لازم برای ساخت این پوست‌ها را متن‌باز کنند.

PanoTac: بازخورد برشی برای سرانگشت با کمتر از ۵۰ دلار

در ۱۱ آبان ۱۴۰۵ (۲ نوامبر ۲۰۲۶) پژوهشگران دانشگاه نیویورک (NYU)، دانشگاه شهری نیویورک و دانشگاه کلمبیا PanoTac را معرفی کردند: یک سرانگشت نرم برای گریپر دوفکی که شبکه‌ای ۱۲ × ۳۲ از تاکسل‌ها، هرکدام با یک مؤلفه عمودی و دو مؤلفه برشی، با فرکانس ۶۰ هرتز و هزینه کمتر از ۵۰ دلار برای هر سرانگشت ارائه می‌دهد. در سه کار پرتماس، آماده‌سازی لوله آزمایش، برداشتن دانه با قاشق و ریختن نمک، سیاست‌های بینایی-لمسی به موفقیت کلی ۹۱٫۷ درصد در برابر ۴۵٫۰ درصد برای سیاست‌های صرفاً بینایی رسیدند؛ یعنی به‌طور میانگین ۴۶٫۷ واحد درصد بهتر. آزمایش‌های حذفی نشان داد حذف اطلاعات مکانی تماس یا بازخورد برشی، هرکدام، عملکرد را کاهش می‌دهد.

نویسندگان درباره محدودیت‌ها صریح‌اند: مغناطیس‌سنج‌ها به اجسام فرومغناطیسی و میدان‌های مغناطیسی بیرونی حساس‌اند، تفکیک نیرو به نرمی الاستومر و تعداد مغناطیس‌سنج‌ها محدود است و شکل فعلی سرانگشت برای گریپر دوانگشتی طراحی شده، نه برای دست چابک.

مؤسسه پژوهشی تویوتا: لامسه می‌تواند جای دوربین مچ را بگیرد

در ۱۶ آبان ۱۴۰۵ (۷ نوامبر ۲۰۲۶) پژوهشی با نویسندگانی از مؤسسه پژوهشی تویوتا (Toyota Research Institute) پرسشی کاملاً مهندسی را بررسی کرد: آیا حسگرهای لمسی روی انگشت می‌توانند جایگزین دوربین‌های نصب‌شده روی مچ شوند که بسیاری از سامانه‌های دست‌کاری به آن‌ها متکی‌اند؟ تیم با دو آرایه لمسی کم‌هزینه روی یک بازوی رباتیک و یک خط لوله ثابت یادگیری تقلیدی (Action Chunking with Transformers)، در دسترس بودن دوربین مچ و حس لامسه را تغییر داد، درحالی‌که نمایش‌ها و آموزش یکسان ماندند. در سه کار پرتماس، افزودن دوربین مچ موفقیت را نسبت به بینایی بدون تصویر مچ ۱۸٫۳ تا ۲۸٫۳ واحد درصد بالا برد. افزودن حس لامسه به‌جای آن ۳۱٫۷ تا ۶۰٫۰ واحد درصد بهبود داد و ترکیب بینایی و لامسه بدون دوربین مچ، در هر سه کار به موفقیت مشاهده‌شده بالاتری از سیاست‌های صرفاً بینایی با دوربین مچ رسید.

این پژوهش در تعیین دامنه دقیق است: یک سکوی رباتیک، یک نوع حسگر لمسی، یک روش یادگیری سیاست و یک بذر آموزشی؛ و پدهای لمسی کم‌هزینه پس از تعویض، تغییر در خط پایه نشان دادند. جمع‌بندی آن را می‌توان این‌طور بیان کرد: بینایی ربات را به سمت تماس هدایت می‌کند و لامسه وضعیت‌هایی از تعامل را روشن می‌کند که دوربین‌ها نمی‌توانند به‌طور قابل اتکا ببینند.

دانشگاه یورک: کنترل لغزش بدون کالیبراسیون یا داده آموزشی

هر نتیجه مفیدی به یادگیری ماشین نیاز ندارد. در مقاله‌ای که ۲۰ بهمن ۱۴۰۴ (۹ فوریه ۲۰۲۶) در نشریه Frontiers in Robotics and AI منتشر شد، پژوهشگران دانشگاه یورک در تورنتو یک کنترل‌گر بازیابی لغزش برای دستی انسان‌گونه با یک حسگر سه‌محوره پیزومقاومتی روی هر سرانگشت شرح دادند. لغزش از تغییرات نیروی مماسی نسبت به خط پایه‌ای که به‌صورت برخط اندازه‌گیری می‌شود تشخیص داده می‌شود و فقط انگشتی که در حال لغزش است گرفتن خود را محکم‌تر می‌کند تا لغزش متوقف شود؛ همراه با حفاظت جریان موتور تا محرک یا جسم آسیب نبیند. این روش به کالیبراسیون برای هر جسم، مدل اصطکاک، آرایه لمسی متراکم، دید مستقیم یا مجموعه داده آموزشی نیاز ندارد و روی یک لوله آلومینیومی، یک بطری آب پلاستیکی و یک اسفنج آزموده شد. نویسندگان آن را برای برداشت کالا در انبار و همکاری انسان و ربات مناسب می‌دانند.

دست‌های رباتیک چابک با حس لامسه داخلی عرضه می‌شوند

پژوهش وقتی بیشترین اثر را دارد که به سخت‌افزاری برسد که یکپارچه‌سازان بتوانند بخرند. Wave از شرکت Sharpa یک دست پنج‌انگشتی در مقیاس انسان با ۲۲ درجه آزادی فعال است. طبق صفحه محصول شرکت، آرایه لمسی پویای آن فشار، لغزش، تغییرات نیرو و محل تماس را در سرانگشت تشخیص می‌دهد و در پیکربندی بالاتر، سنجش نیرو و گشتاور ۶بعدی، بازه تشخیص نیروی ۰ تا ۳۰ نیوتن، تفکیک مکانی ۱ میلی‌متر، تا ۱۸۰ فریم در ثانیه و تأخیر ۲۰ میلی‌ثانیه دارد. این دست با ROS 2 یکپارچه می‌شود، در MuJoCo و Isaac Sim قابل شبیه‌سازی است و برای خدمات، تولید و مونتاژ و پژوهش هدف‌گذاری شده است. Sharpa همچنین تصریح می‌کند که ربات‌های انسان‌نما در سطح جهانی هنوز در مراحل اولیه توسعه‌اند.

در ۱۹ آبان ۱۴۰۵ (۱۰ نوامبر ۲۰۲۶) گوگل دیپ‌مایند Gemini Robotics 2.5 را معرفی کرد؛ تواناترین مدل بینایی-زبان-عمل (VLA) خود تا امروز که روی بیش از ۲۰۰ کار، مانند سرو غذا با انبر، بستن پاپیون روی جعبه هدیه و پیپت کردن مایع، ارزیابی شده است. دیپ‌مایند بسته به نوع کار، نرخ موفقیت ۳۰ تا ۱۰۰ درصد بالاتر از مبناهای قبلی و انجام کارها با سرعت ۲۰ تا ۳۰ درصد بیشتر را گزارش می‌کند. در یک اثبات مفهوم روی خطوط تولید مرسدس‌بنز در Kecskemét و Sindelfingen، ربات انسان‌نمای Apollo 2 از Apptronik، که به گفته دیپ‌مایند به دست پنج‌انگشتی ۲۲ درجه آزادی SharpaWave مجهز است، چیدن قطعات خودرو (kitting) را با نرخ موفقیت ۹۶ درصد انجام داد. دیپ‌مایند سهم ورودی لمسی در این نتیجه را جدا نکرده است، پس نباید آن را بنچمارک لامسه دانست. اما نشان می‌دهد دست‌های چابک مجهز به حسگر اکنون بخشی از سکوهایی هستند که مدل‌های پیشرو رباتیک روی آن‌ها آزموده می‌شوند.

دست‌کاری بینایی-لمسی: درس‌هایی برای مدیران فناوری

من چهار درس از این نتایج می‌گیرم.

۱. لامسه همان بخشی را درست می‌کند که بینایی نمی‌بیند. سه پژوهش مستقل با سه فناوری حسگری متفاوت، در کارهای پرتماس بهبود بزرگی یافتند. بیشترین بهبود دقیقاً جایی است که دوربین‌ها پوشیده‌اند: وارد کردن قطعه، بیرون آوردن جسم، برداشتن با قاشق و نگه داشتن. ۲. هزینه دیگر مانع اصلی نیست. پوست تمام‌دست با مواد کمتر از ۱۰ دلار و سرانگشت سه‌محوره کمتر از ۵۰ دلار، اقتصاد تجهیز یک سلول رباتیک را تغییر می‌دهند. هزینه‌های سخت‌تر، یکپارچه‌سازی، رانش کالیبراسیون و نگهداری‌اند. ۳. راهبرد داده از مشخصات حسگر مهم‌تر است. بزرگ‌ترین بهبود SoTa از آنجا آمد که انسان‌هایی با همان پوست نمایش ارائه دادند. هم‌خوانی حسگر میان انسان و ربات ممکن است به اندازه تفکیک خام اهمیت داشته باشد. ۴. کنترل ساده هنوز جایگاه دارد. نتیجه یورک نشان می‌دهد یک کنترل‌گر خوش‌طراحِ بی‌نیاز از کالیبراسیون می‌تواند بدون هیچ داده آموزشی، لغزش را جبران کند. هر مسئله لمسی به مدل پایه نیاز ندارد.

زمینه بزرگ‌تر، پشته هوش مصنوعی فیزیکی است. در مقاله هوش مصنوعی فیزیکی در ۲۰۲۶ مدل‌های بینایی-زبان-عمل را شرح دادم که هوش انجام کار ربات‌اند و در مدل جهان در ۲۰۲۶ جهان‌های شبیه‌سازی‌شده‌ای را که این مدل‌ها در آن آموزش می‌بینند و آزموده می‌شوند؛ لامسه هنوز یکی از دشوارترین سیگنال‌ها برای شبیه‌سازی خوب است و این دلیل دیگری بر ارزش داده لمسی واقعی است. در ربات انسان‌نما در تولید در ۲۰۲۶ پایلوت‌های کارخانه‌ای را بررسی کردم؛ جایی که تفاوت میان قطعه‌ای که می‌افتد و شیفتی که کامل می‌شود اغلب در سرانگشت رقم می‌خورد.

راهنمای عملی حسگر لمسی ربات در برنامه‌های رباتیک

۱. از گزارش خرابی‌ها شروع کنید. فهرست کنید ربات‌هایتان امروز کجا شکست می‌خورند. اگر شکست‌ها حول وارد کردن قطعه، لغزش، پوشیدگی دید یا اجسام ظریف متمرکزند، حسگر لمسی گزینه‌ای جدی است؛ اگر به مسیریابی یا ادراک از فاصله مربوط‌اند، نه. ۲. مقایسه کنترل‌شده اجرا کنید. از طراحی مؤسسه پژوهشی تویوتا پیروی کنید: همان نمایش‌ها، همان سیاست، با و بدون لامسه، با و بدون دوربین مچ. موفقیت را در آزمایش‌های متعدد و شرایط خارج از توزیع گزارش کنید، نه بهترین کلیپ. ۳. برای رانش و تعویض بودجه بگذارید. پدهای کم‌هزینه پس از تعویض تغییر می‌کنند و حسگرهای مغناطیسی به فلز نزدیک واکنش نشان می‌دهند. نرمال‌سازی، کالیبراسیون دوباره و قطعات یدکی را بخشی از عملیات ببینید. ۴. خط لوله داده را برای لامسه طراحی کنید. از ابتدا تصمیم بگیرید آیا نمایش‌های انسانی با حسگرهای هم‌خوان جمع‌آوری می‌شوند، جریان‌های لمسی چگونه با ویدئو و اقدام‌ها هم‌زمان می‌شوند و چگونه ذخیره و برچسب‌گذاری می‌شوند. ۵. یک لایه ایمنی غیریادگیرنده نگه دارید. محدودیت نیروی گرفتن، واکنش خودکار به لغزش و حفاظت جریان موتور، مانند کنترل‌گر یورک، باید زیر هر سیاست آموخته‌شده قرار گیرد. ۶. عددهای واقعی فروشنده را بررسی کنید. برای دست‌ها و حسگرها چرخه‌های دوام، تأخیر، بازه نیرو، رفتار پس از تعویض و شواهد سایت‌های واقعی را بخواهید و نرخ موفقیت آزمایشگاهی را تا وقتی در محیط شما تأیید نشده، فرضیه بدانید.

سخن پایانی

در بیشتر تاریخ رباتیک، لامسه حسی بود که قول می‌دادیم بعداً اضافه کنیم. نتایج این پاییز نشان می‌دهد آن «بعداً» برای کارهای پرتماس فرا رسیده است. حسگرها به اندازه کافی ارزان‌اند، سیاست‌ها می‌توانند از آن‌ها استفاده کنند و شواهد بهبود کارهای واقعی هم‌زمان از چند آزمایشگاه می‌رسد. پرسش‌های باز اکنون عملیاتی‌اند: دوام، کالیبراسیون، داده و یکپارچه‌سازی؛ و این‌ها دقیقاً پرسش‌هایی‌اند که مدیران فناوری در طرحشان مهارت دارند. نیمه دیگر ماجرا داده است؛ در ویدیوی اول‌شخص برای یادگیری ربات در ۲۰۲۶ نشان داده‌ام چطور ویدیوی اول‌شخص انسان به بخش اصلی داده آموزش ربات تبدیل می‌شود و چرا مدل‌هایی مثل T-Rex باز هم به حس لامسه نیاز دارند.

منابع

مقاله‌های مرتبط

رباتیکهوش مصنوعی فیزیکییادگیری رباتداده آموزشی

ویدیوی اول‌شخص برای یادگیری ربات در ۲۰۲۶: چگونه ویدیوی کار انسان به داده آموزشی مدل‌های پایه رباتیک تبدیل می‌شود

کمیاب‌ترین ورودی رباتیک نه توان محاسباتی است و نه سخت‌افزار، بلکه داده درباره این است که دست انسان واقعاً چطور کار می‌کند. در آبان ۱۴۰۵ (نوامبر ۲۰۲۶) مدل GR00T 2 انویدیا، مدل T-Rex پاناسونیک و مجموعه‌داده تازه HubEgo-100K نشان دادند ویدیوی اول‌شخص انسان امروز تا کجا می‌تواند یک ربات را جلو ببرد؛ آن هم بر پایه مجموعه‌داده‌های باز پیشین مثل EgoVerse و World In Your Hands. ویدیوی اول‌شخص برای یادگیری ربات چیست، شواهد تازه چه می‌گویند، کجا کم می‌آورد و یک راهنمای عملی برای مدیران فناوری که داده آموزش ربات را برنامه‌ریزی می‌کنند.

· ۱۲ دقیقه مطالعه

هوش مصنوعی فیزیکیرباتیکمدل بینایی-زبان-عملربات انسان‌نما

هوش مصنوعی فیزیکی در ۲۰۲۶: مدل‌های بینایی-زبان-عمل و ورود ربات‌ها به کار واقعی

در نیمه مهر ۱۴۰۵، گوگل، NEURA Robotics و Galaxea هر کدام بخشی از یک تصویر واحد را نشان دادند: مدل‌های پایه رباتیک که می‌بینند، استدلال می‌کنند و عمل می‌کنند. چه چیزی واقعاً تغییر کرده، چه چیزی هنوز ادعای خود شرکت‌هاست و مدیران فناوری چطور هوش مصنوعی فیزیکی را ارزیابی کنند.

· ۱۱ دقیقه مطالعه

مدل جهانهوش مصنوعی فیزیکیرباتیکشبیه‌سازی

مدل جهان در ۲۰۲۶: Genie 4، Cosmos 3 و آنچه جهان‌های شبیه‌سازی‌شده برای ربات‌ها و هوش مصنوعی سازمانی معنا دارند

از ۵ تا ۱۸ آبان ۱۴۰۵ (۲۷ اکتبر تا ۹ نوامبر ۲۰۲۶) مدل‌های جهان از نمایش‌های پژوهشی به ابزارهایی رسیدند که توسعه‌دهندگان می‌توانند دانلود، استریم و آزمایش کنند. گوگل دیپ‌مایند پیش‌نمایش Genie 4 را عرضه کرد، انویدیا چک‌پوینت‌های باز شبیه‌سازی Cosmos 3 را منتشر کرد، World Labs مدل Atlas را به‌صورت بلادرنگ استریم کرد، LiberAI یک مدل جهان-عمل را با ۲٫۲ میلیون ساعت تجربه انسانی آموزش داد، اپل ربات انسان‌نمایی را تقریباً به‌طور کامل در شبیه‌سازی آموزش داد و MIT شش نوع فیزیک را در یک مدل یکپارچه کرد. مدل جهان امروز چه می‌تواند و چه نمی‌تواند، شکاف شبیه‌سازی تا واقعیت کجا هنوز جدی است و یک راهنمای عملی برای مدیران فناوری.

· ۱۴ دقیقه مطالعه