Китайский робот впервые освоил вышивание с ниткой и иголкой: видео
Китайская компания TARS Robotics продемонстрировала человекоподобного робота, способного выполнять ручное вышивание с удивительной точностью. На недавнем публичном мероприятии робот использовал обе руки, чтобы вдеть нитку в иголку и вышить логотип, демонстрируя стабильное управление мягкими, гибкими материалами с точностью до долей миллиметра.
Прорыв в робототехнике
До этого момента подобная деликатная и продолжительная ручная работа считалась недоступной для автоматизации. Ручное вышивание требует точного зрения, координации обеих рук и способности адаптировать силу при работе с гибкими материалами, которые постоянно меняют форму. Малейшая ошибка может привести к обрыву нити или пропуску стежка.
«Мы преодолели давний барьер автоматизации. Теперь роботы могут выполнять работу, которая ранее была доступна только высококвалифицированным специалистам», — заявил доктор Чен Илун, генеральный директор TARS Robotics.
От вышивания к промышленным задачам
Хотя демонстрация касалась вышивания, возможности робота выходят далеко за рамки декоративного искусства. Скоординированные движения и стабильная манипуляция гибкими объектами открывают путь к автоматизации сложных процессов в производстве, таких как сборка электрических компонентов и работа с мягкими материалами.
Доктор Дин Вэньчао, главный научный сотрудник компании, подчеркнул важность обобщения навыков:
«Мы не программируем робота на одну задачу. Цель — научить его адаптивным умениям, которые могут применяться в самых разных условиях и отраслях».
Подход «данные, ИИ и физика»
Секрет успеха компании заключается в так называемом «триединстве данных, искусственного интеллекта и физики». SenseHub, платформа TARS Robotics, собирает подробные данные из реального мира, которые затем используются для обучения модели искусственного интеллекта AWE 2.0. Эта модель учится общим физическим навыкам, а не отдельным действиям, что позволяет сразу применять знания в реальном мире.
«Между цифровым и физическим миром практически нет разрыва. То, чему робот научился в симуляции, надежно работает и в реальных условиях. Эта замкнутая система поддерживает масштабируемое развитие и позволяет увеличивать интеллектуальные способности роботов», — отметил Чен.
Сбор огромных массивов данных и их интеграция в модели AWE 2.0 обеспечивает быстрый рост эффективности.
«По мере увеличения объема данных и совершенствования архитектуры модели мы ожидаем новые прорывы в интеллектуальных и обобщающих способностях наших роботов», — сказал Дин.
