Роботы научились предотвращать падение предметов

Максим Наговицын21.10.20252027

Ученые нашли способ научить машины обращаться с вещами бережно и по-настоящему умно.

Роботы научились предотвращать падение предметов
Источник: нейросеть

Ученые из Университета Суррея совершили прорыв в робототехнике, научив машины предотвращать падение предметов так же ловко, как это делают люди. Результаты исследования, опубликованные в журнале Nature Machine Intelligence, показывают, как роботы могут работать с хрупкими, скользкими или нестандартными объектами, не сжимая их с огромной силой.

Роботы теперь умеют предсказывать, когда объект вот-вот выскользнет из захвата, и мгновенно корректируют свои движения. Это похоже на то, как человек инстинктивно меняет положение руки, если тарелка начинает соскальзывать, — не сжимает ее сильнее, а просто немного поворачивает или замедляет движение. Новый метод оказался эффективнее традиционных систем, которые полагаются исключительно на силу сжатия.

Доктор Амир Галамзан, ведущий автор исследования, объясняет:

Когда вы роняете тарелку, вы не пытаетесь схватить ее как можно крепче. Вы инстинктивно меняете траекторию движения руки. Роботы же обычно просто усиливают хватку, что часто приводит к повреждению хрупких предметов. Мы научили их действовать по-человечески — чувствовать риск и подстраиваться. Это открывает огромные возможности: от работы с хирургическими инструментами и сборки микрочипов до сортировки посылок и помощи по дому.

Исследование проводилось совместно с учеными из Университета Линкольна, Аризонского государственного университета, KAIST и исследовательской лаборатории Toshiba в Кембридже. Впервые было продемонстрировано, как коррекция траектории движения предотвращает проскальзывание — и у людей, и у роботов.

Ключевой элемент системы — тактильная прогнозирующая модель. Проще говоря, робот учится на собственном опыте и начинает предвидеть, в какой момент объект может выскользнуть. Он непрерывно анализирует свои запланированные действия и вносит поправки.

Что особенно важно, система успешно работает даже с новыми объектами и непривычными траекториями, на которых ее не тренировали. Это доказывает ее гибкость и пригодность для реальных задач.

Где это пригодится:

  • Медицина: Роботизированные ассистенты смогут безопасно передавать скальпели и другие инструменты хирургам.
  • Производство: Сборка миниатюрной электроники и работа с хрупкими деталями, например, стеклянными.
  • Логистика: Сортировка и упаковка предметов разной формы и веса, которые неудобно брать.
  • Быт: Роботы-помощники смогут без проблем подавать чашку или тарелку.

Доктор Галамзан добавляет:

Наша разработка — серьезный шаг к тому, чтобы роботы стали частью повседневной жизни. Мы надеемся, что наша работа вдохновит других исследователей и выведет робототехнику на новый уровень.

Реальная польза этого исследования выходит далеко за рамки академического интереса. В промышленности, особенно в автомобилестроении и электронике, роботы годами выполняют одни и те же операции с идеально подогнанными деталями. Но как только требуется работа с чем-то хрупким, асимметричным или непредсказуемым (например, упаковка продуктов, сборка прототипов), требуется человеческая гибкость. Данная технология позволяет автоматизировать эти процессы, что напрямую ведет к снижению брака, уменьшению травматизма и повышению эффективности производства.

В сервисной робототехнике и здравоохранении польза еще более очевидна. Представьте робота-сиделки, который может без риска подать пациенту стакан воды или помочь подняться, корректируя усилие в реальном времени. Или хирургического ассистента, который точно и безопасно управляет инструментами. Это не просто удобство, это вопрос безопасности и качества жизни.

Основной вопрос, который пока остается открытым, — это надежность системы в условиях крайней неопределенности. Исследование демонстрирует работу с объектами и траекториями, на которых система не обучалась, но в реальном мире встречаются факторы, которые сложно смоделировать: внезапное изменение веса объекта (например, если жидкость проливается), сильная вибрация основания или взаимодействие с деформируемыми предметами (как мягкая игрушка). Устойчивость алгоритма к таким «сюрпризам» потребует дополнительных, более сложных испытаний. Успех в лаборатории — это лишь первый, хоть и очень важный, шаг к коммерческому внедрению.

Ранее в России запатентовали пневматический магнитный захват для робота-манипулятора.

Подписаться: Телеграм | Дзен | Вконтакте


Хайтек

Поиск на сайте

Лента новостей

Пресс-релизы