Proception začína dodávať robotickú ruku ProHand pre tréning fyzickej AI

Proception spustil dodávky systému ProHand 1.0, robotickej ruky určenej pre výskumné tímy a firmy pracujúce na humanoidných robotoch. Firma ju opisuje ako 22-stupňový, šľachami poháňaný hardvér navrhnutý na úlohy, pri ktorých nestačí jednoduché uchopenie predmetu. Spolu s rukou predstavuje aj ProGlove, nositeľnú senzorickú rukavicu, ktorá má zbierať dáta priamo z ľudskej manipulácie a prenášať ich do tréningu robotických systémov. Prvá várka má podľa oznámenia odchádzať k výskumníkom a robotickým spoločnostiam v týždni od 29. júna.

Téma je zaujímavá nie preto, že ide o ďalší robotický efekt na videu, ale preto, že spája dve dlho oddelené časti fyzickej AI: jemnú mechaniku ruky a dátovú infraštruktúru na učenie z ľudského správania. V jazykových a obrazových modeloch sa pokrok opieral o veľké množstvá dát. Pri manipulácii vo fyzickom svete je to ťažšie, lebo dáta sa tradične zbierajú pomaly, na drahých robotoch a často v laboratórnych podmienkach. Proception tvrdí, že podobnosť ProHandu s ľudskou rukou mu umožňuje obísť časť tohto problému: človek môže nosiť ProGlove a vytvárať tréningové príklady bez toho, aby bol pri každom pohybe v slučke aj robot.

ProHand 1.0 má päť prstov, zápästie s dvoma stupňami voľnosti a celkovo 22 stupňov voľnosti, z ktorých 18 je aktuovaných. Pohyb prstov zabezpečuje šľachový mechanizmus, teda koncepcia bližšia biologickej ruke než priemyselnému dvojčeľusťovému gripperu. Firma uvádza aj dotykové a polohové snímanie, kožou podobné senzory, palec schopný opozície a palubné riadenie s odozvou v reálnom čase. V produktových materiáloch ukazuje úlohy ako držanie ceruzky, manipuláciu s káblom, prácu s nástrojmi alebo uchopenie krehkých predmetov. Takéto ukážky treba brať ako demonštrácie možností, nie ako dôkaz univerzálnej autonómie, ale naznačujú, kam sa posúva hardvér pre jemnú robotickú manipuláciu.

Druhou časťou systému je ProGlove. Ide o nositeľnú rukavicu používajúcu podobnú senzorickú vrstvu ako robotická ruka. Jej úlohou nie je iba ovládať robota na diaľku, ale zaznamenávať, ako človek skutočne uchopí a upravuje predmet počas práce. To je rozdiel oproti bežnej teleoperácii: operátor pri nej často nepociťuje ten istý kontakt, tlak a mikroúpravy, ktoré používa vlastná ruka. Ak sa tieto signály podarí zachytiť v dostatočnej kvalite a rozsahu, môžu byť cennejším tréningovým materiálom pre robotické politiky než čisté video alebo príkazy z joysticku.

Pre výskumníkov to otvára praktickú otázku škálovania dát. Robotické laboratóriá môžu mať obmedzený počet drahých platforiem, no ľudské ruky a pracovné úlohy existujú všade. Ak sa manipulačné dáta dajú zbierať nositeľným zariadením spolu s vizuálnym kontextom, modely pre robotiku by mohli získať širšiu distribúciu príkladov: skladanie, triedenie, náradie, montáž, zdravotnícke pomôcky alebo domáce predmety. Zároveň však pribudnú nové problémy so štandardizáciou dát, kalibráciou medzi ľudskou rukou a robotickou rukou, bezpečným prenosom pohybov a overovaním, či naučené správanie funguje mimo kontrolovaného prostredia.

Proception v oznámení uvádza, že získal 11 miliónov dolárov v seed financovaní vedenom fondom First Round Capital, s účasťou Y Combinator a BoxGroup. Financovanie má pomôcť rozšíriť tím, výrobu a infraštruktúru potrebnú pre obratnú manipuláciu. Startup zároveň zdôrazňuje skúsenosti tímu z Apple, Tesly a robotických firiem. Pre trh je však podstatnejšie, či sa produkt dostane do rúk dostatočne veľkého počtu výskumných skupín a či okolo neho vzniknú porovnateľné datasety, nástroje a benchmarky. Bez toho by išlo skôr o zaujímavý hardvér než o platformu pre tréning fyzickej AI.

Dopad môže byť citeľný najmä v oblastiach, kde je jemná manipulácia brzdou automatizácie. Výroba, logistika, servis elektroniky, laboratórna práca alebo asistívna robotika nevyžadujú len silu a presnosť v jednom opakovanom pohybe. Potrebujú zvládať kontakty, drobné odchýlky, deformovateľné predmety, rôzne povrchy a neočakávané situácie. Dnešné veľké modely už vedia dobre plánovať a rozpoznávať objekty, no fyzické vykonanie zostáva slabým miestom. Ruka s bohatým snímaním a datasetom z ľudskej manipulácie môže byť jedným z článkov, ktoré spájajú plánovanie s reálnym pohybom.

Zároveň treba zostať opatrný. ProHand nie je sám osebe všeobecný robot a ProGlove nevyrieši všetky otázky učenia z ľudských dát. Prenos z ľudskej ruky na mechanickú ruku môže narážať na rozdielnu geometriu, trenie, oneskorenie, opotrebenie a limity aktuátorov. Pri nasadení v priemysle bude rozhodovať spoľahlivosť, servisovateľnosť, cena, bezpečnostná certifikácia a integrácia s existujúcimi robotickými ramenami či mobilnými platformami. Dôležitá bude aj kvalita softvérového rozhrania: výskumníci potrebujú nielen mechaniku, ale aj jasné API, logovanie, kalibráciu a spôsob, ako porovnávať výsledky medzi laboratóriami.

Ak sa Proceptionu podarí pretaviť prvú dodávku na širší ekosystém, môže ísť o užitočný signál pre celú fyzickú AI. V posledných rokoch sa veľa pozornosti sústredilo na modely, ktoré rozumejú videu a jazyku, no roboty stále narážali na posledný centimeter medzi zámerom a predmetom. ProHand a ProGlove posúvajú pozornosť k dátam z dotyku, tlaku a ľudskej jemnej motoriky. Práve tam sa môže rozhodovať, či sa humanoidné roboty stanú praktickými pracovnými systémami, alebo zostanú najmä pôsobivými ukážkami na konferenciách.