เปิดตัวผลิตภัณฑ์ใหม่: Agility A2 Flex ผสานการควบคุมอุปกรณ์เคลื่อนที่และการวิจัย AI ที่คำนึงถึงร่างกายเข้าด้วยกัน

เมื่อวิทยาการหุ่นยนต์ก้าวข้ามขอบเขตของสถานีทำงานแบบตายตัว นักพัฒนาจึงมองหาระบบที่สามารถนำทางในสภาพแวดล้อมที่แตกต่างกัน โต้ตอบกับวัตถุ และปฏิบัติงานที่ต้องใช้การควบคุมอย่างเป็นระบบมากขึ้นเรื่อยๆ อย่างไรก็ตาม การเปลี่ยนความสามารถเหล่านี้ให้เป็นโซลูชันหุ่นยนต์ที่ใช้งานได้จริงยังคงเป็นความท้าทาย โดยเฉพาะอย่างยิ่งเมื่อการเคลื่อนที่ การรับรู้ และการควบคุมแขนต้องทำงานร่วมกัน

Foxtech เปิดตัว Agility A2 Flex หุ่นยนต์แขนคู่แบบมีล้อ 27 องศาอิสระ (DOF) ที่เป็นโอเพนซอร์ส ออกแบบมาเพื่อการควบคุมการเคลื่อนที่ การควบคุมระยะไกลแบบ VR ทั้งตัว และการวิจัย AI ที่เชื่อมโยงกับร่างกาย

ด้วยการผสมผสานฐานเคลื่อนที่ได้หลายทิศทาง กลไกการยกที่ปรับได้ แขนหุ่นยนต์คู่ และสถาปัตยกรรมควบคุมแบบบูรณาการ Agility A2 Flex จึงมอบแพลตฟอร์มแบบครบวงจรให้แก่นักวิจัยและนักพัฒนาเพื่อสำรวจพฤติกรรมหุ่นยนต์ขั้นสูงยิ่งขึ้น

แพลตฟอร์มนี้มีให้เลือกใช้งานในรุ่น Agility A2 Flex และ Agility A2 Flex Ultra ซึ่งรองรับความต้องการในการพัฒนาที่หลากหลาย ตั้งแต่การควบคุมระยะไกลและการควบคุมการเคลื่อนไหวโดยมนุษย์ ไปจนถึงการฝึกอบรมและการตรวจสอบความถูกต้องของโมเดล VLA

เหตุใดนักพัฒนาหุ่นยนต์จึงต้องการมากกว่าแขนหุ่นยนต์แบบตายตัว?

แขนหุ่นยนต์แบบดั้งเดิมมีประสิทธิภาพสำหรับงานที่ดำเนินการภายในพื้นที่ทำงานที่กำหนดไว้ อย่างไรก็ตาม สภาพแวดล้อมในโลกแห่งความเป็นจริงนั้นไม่ค่อยจำกัดอยู่แค่ตำแหน่งคงที่เพียงตำแหน่งเดียว

หุ่นยนต์ที่ทำงานในห้องปฏิบัติการ คลังสินค้า หรือสภาพแวดล้อมการทดลอง อาจจำเป็นต้องเข้าใกล้วัตถุจากทิศทางต่างๆ ปรับความสูงในการทำงาน และประสานการเคลื่อนไหวระหว่างแขนทั้งสองข้าง ข้อกำหนดเหล่านี้ก่อให้เกิดความท้าทายที่ไม่สามารถแก้ไขได้ด้วยการควบคุมแขนหุ่นยนต์เพียงอย่างเดียว

หุ่นยนต์ Agility A2 Flex แก้ไขข้อจำกัดเหล่านี้โดยการผสานความคล่องตัวและการควบคุมเข้าไว้ในระบบหุ่นยนต์เดียว

โครงสร้าง 27 องศาอิสระ (27-DOF) ของหุ่นยนต์นี้ ผสานรวมแขนคู่ ตัวจับยึด หัวที่เคลื่อนที่ได้ ระบบยกแนวตั้ง และฐานเคลื่อนที่ ซึ่งช่วยให้นักพัฒนาสามารถศึกษาว่าส่วนประกอบต่างๆ ของหุ่นยนต์สามารถทำงานร่วมกันได้อย่างไรเพื่อดำเนินการที่ซับซ้อนยิ่งขึ้น

แทนที่จะมุ่งเน้นเฉพาะการเคลื่อนไหวของข้อต่อแต่ละส่วน นักวิจัยสามารถพัฒนาและประเมินพฤติกรรมของหุ่นยนต์ทั้งร่างกายได้

Agility A2 Flex สามารถปรับตัวให้เข้ากับสภาพแวดล้อมการทำงานที่แตกต่างกันได้อย่างไร?

หนึ่งในความท้าทายที่สำคัญในการควบคุมอุปกรณ์เคลื่อนที่คือการเข้าถึงวัตถุที่อยู่คนละตำแหน่งและคนละระดับความสูง

หุ่นยนต์ Agility A2 Flex มีฐานเคลื่อนที่แบบ 4W4S (ขับเคลื่อนสี่ล้อ บังคับเลี้ยวสี่ล้อ) ที่รองรับการเคลื่อนที่ได้หลายทิศทาง ทำให้หุ่นยนต์สามารถเปลี่ยนตำแหน่งได้โดยไม่ถูกจำกัดอยู่แค่รูปแบบการขับเคลื่อนไปข้างหน้าและถอยหลังแบบเดิมๆ

กลไกยกแนวตั้งแบบบูรณาการขนาด 700 มม. ช่วยเพิ่มความยืดหยุ่นในการทำงานให้มากยิ่งขึ้น โดยทำให้แขนหุ่นยนต์สามารถทำงานได้ในระดับความสูงที่แตกต่างกัน

เมื่อผนวกรวมกับแขนหุ่นยนต์ 7 ข้อต่อคู่ ซึ่งแต่ละแขนมีระยะการทำงานประมาณ 714 มม. แพลตฟอร์มนี้จึงรองรับการจับ การจัดการ และการเคลื่อนย้ายวัตถุอย่างเป็นระบบ

ความสามารถเหล่านี้มีประโยชน์อย่างยิ่งสำหรับการพัฒนากระบวนการทำงานเกี่ยวกับการจัดการอุปกรณ์เคลื่อนที่ ซึ่งเกี่ยวข้องกับโต๊ะ ชั้นวาง ภาชนะ และวัตถุอื่นๆ ที่วางอยู่ทั่วพื้นที่ทำงาน

สำหรับทีมหุ่นยนต์ นี่หมายถึงโอกาสที่มากขึ้นในการทดสอบกลยุทธ์การควบคุมภายใต้สภาพแวดล้อมที่เปลี่ยนแปลงไป แทนที่จะพึ่งพาการสาธิตแบบอยู่กับที่เพียงอย่างเดียว

นักพัฒนาสามารถทดสอบงานของหุ่นยนต์ได้โดยไม่ต้องสร้างอัลกอริทึมอัตโนมัติก่อนได้อย่างไร?

การพัฒนาระบบหุ่นยนต์อัตโนมัติจำเป็นต้องมีการทดลองอย่างกว้างขวาง ก่อนที่จะฝึกฝนโมเดล AI นักวิจัยมักจะต้องทำความเข้าใจก่อนว่างานนั้นสามารถทำได้จริงหรือไม่ และส่วนประกอบต่างๆ ของหุ่นยนต์ควรประสานงานกันอย่างไร

Agility A2 Flex มอบจุดเริ่มต้นที่เข้าถึงได้ง่ายผ่านระบบควบคุมระยะไกล VR แบบเต็มตัวที่ผสานรวมอยู่ในตัว

ผู้ใช้งานสามารถควบคุมแขน มือจับ หัว กลไกการยก และฐานเคลื่อนที่ของหุ่นยนต์ได้ โดยใช้ชุดหูฟัง VR Meta Quest 3S ที่ให้มาด้วย

วิธีนี้ช่วยให้นักวิจัยสามารถสาธิตและประเมินงานการจัดการได้โดยตรง โดยไม่ต้องพัฒนานโยบายการควบคุมอัตโนมัติอย่างสมบูรณ์ก่อน

ตัวอย่างเช่น ผู้ควบคุมสามารถชี้นำหุ่นยนต์ผ่านลำดับการจัดการวัตถุที่ประสานกัน สังเกตการตอบสนองของหุ่นยนต์ และระบุส่วนที่อาจต้องปรับปรุงในด้านการวางแผนการเคลื่อนไหวหรือกลยุทธ์การควบคุม

ความสามารถในการควบคุมจากระยะไกลแบบเดียวกันนี้ยังสนับสนุนการเก็บรวบรวมข้อมูลการสาธิตโดยมนุษย์ ซึ่งสร้างโอกาสสำหรับการวิจัยการเรียนรู้ของหุ่นยนต์ในอนาคต

การแยกขั้นตอนการตรวจสอบความถูกต้องของงานเบื้องต้นออกจากการพัฒนานโยบายแบบอัตโนมัติ ช่วยให้ทีมวิจัยสามารถสร้างขั้นตอนการทำงานที่เป็นรูปธรรมก่อนที่จะก้าวไปสู่การทดลอง AI ขั้นสูงขึ้น

แพลตฟอร์มการพัฒนาแบบเปิดช่วยลดความท้าทายในการบูรณาการได้อย่างไร?

สำหรับมหาวิทยาลัย ห้องปฏิบัติการวิจัย และบริษัทสตาร์ทอัพด้านหุ่นยนต์ ความเข้ากันได้ของซอฟต์แวร์มักมีความสำคัญพอๆ กับความสามารถของฮาร์ดแวร์

การพัฒนาระบบหุ่นยนต์เคลื่อนที่จากส่วนประกอบที่แยกจากกันอาจต้องใช้ความพยายามอย่างมากในการเชื่อมต่อตัวควบคุม เซ็นเซอร์ โครงสร้างการวางแผนการเคลื่อนที่ และอินเทอร์เฟซการสื่อสาร

Agility A2 Flex สร้างขึ้นบน Ubuntu 22.04 และ ROS 2 Humble ซึ่งเป็นสภาพแวดล้อมการพัฒนาแบบเปิดที่คุ้นเคยสำหรับทีมหุ่นยนต์หลายทีม

ทั้ง Agility A2 Flex และ Flex Ultra รองรับการควบคุมข้อต่อแบบเรียลไทม์ ROS 2 และการวางแผนการเคลื่อนไหวแขน MoveIt 2

ความสามารถเหล่านี้ช่วยให้นักพัฒนาสามารถทำงานเกี่ยวกับการเคลื่อนไหวของหุ่นยนต์ การวางแผนการจัดการ และแอปพลิเคชันควบคุมแบบกำหนดเองภายในระบบนิเวศซอฟต์แวร์หุ่นยนต์ที่มีอยู่แล้ว

สำหรับทีมวิจัย สถาปัตยกรรมการพัฒนาแบบเปิดยังให้ความยืดหยุ่นมากขึ้นในการทดลองใช้อัลกอริธึมต่างๆ ปรับเปลี่ยนกลยุทธ์การควบคุม และขยายแพลตฟอร์มตามความต้องการของโครงการที่เปลี่ยนแปลงไป

หุ่นยนต์ Agility A2 Flex สามารถรองรับการเปลี่ยนผ่านจากการควบคุมระยะไกลไปสู่หุ่นยนต์ที่ขับเคลื่อนด้วย AI ได้หรือไม่?

การควบคุมระยะไกลโดยมนุษย์เป็นส่วนสำคัญของการพัฒนาหุ่นยนต์ แต่โครงการวิจัยจำนวนมากมุ่งเป้าไปที่การก้าวข้ามการควบคุมระยะไกลไปสู่พฤติกรรมของหุ่นยนต์ที่อาศัยการเรียนรู้

การเปลี่ยนแปลงนี้จำเป็นต้องอาศัยการผสมผสานระหว่างข้อมูลสาธิต การรับรู้สภาพแวดล้อม ทรัพยากรการคำนวณ และเครื่องมือพัฒนาแบบจำลอง AI

Agility A2 Flex เป็นพื้นฐานสำหรับการควบคุมระยะไกล การควบคุมการเคลื่อนไหว และการเก็บรวบรวมข้อมูลการสาธิต สำหรับทีมที่ทำงานเกี่ยวกับแอปพลิเคชัน AI ที่มีความซับซ้อนมากขึ้น Agility A2 Flex Ultra จะนำเสนอความสามารถเพิ่มเติม

ชุดอุปกรณ์ Ultra ประกอบด้วยกล้องข้อมือ Intel RealSense D405 สองตัว, LiDAR Livox MID-360S, กล้อง RealSense D435i ที่ติดตั้งบนฐานเพิ่มเติม และ GPU NVIDIA RTX 3090

นอกจากนี้ยังรองรับระบบนำทาง Nav2 และมีการตั้งค่า VLA โดยใช้ π0.5 เป็นแบบจำลองเริ่มต้น

ด้วยส่วนประกอบเพิ่มเติมเหล่านี้ นักวิจัยสามารถสำรวจได้ว่าการรับรู้ทางสายตา การกระทำของหุ่นยนต์ และแบบจำลองการเรียนรู้มีปฏิสัมพันธ์กันอย่างไรในระหว่างภารกิจการควบคุมวัตถุ

การกำหนดค่าแบบ Ultra รองรับการฝึกอบรมโมเดล VLA การอนุมาน และการตรวจสอบความถูกต้องของเวิร์กโฟลว์ ทำให้เหมาะสำหรับทีมที่กำลังศึกษาการเปลี่ยนผ่านจากการสาธิตโดยมนุษย์ไปสู่การควบคุมหุ่นยนต์ด้วย AI

รูปแบบการกำหนดค่าแบบใดที่เหมาะสมกับโครงการวิจัยของคุณ?

การเลือกแพลตฟอร์มหุ่นยนต์นั้นขึ้นอยู่กับเป้าหมายการพัฒนาโครงการมากกว่าการเลือกฮาร์ดแวร์ที่มีสเปคสูงสุดเพียงอย่างเดียว

สำหรับทีมที่สนใจหลักๆ ในด้านการควบคุมระยะไกลด้วย VR การวางแผนการเคลื่อนที่ของหุ่นยนต์ การทดลองเกี่ยวกับการควบคุมวัตถุเคลื่อนที่ และการรวบรวมการสาธิตจากมนุษย์ ชุดอุปกรณ์ Agility A2 Flex มาตรฐานจะมอบสภาพแวดล้อมด้านฮาร์ดแวร์และซอฟต์แวร์ที่จำเป็นให้ครบถ้วน

ประกอบด้วยคอนโทรลเลอร์ X86, กล้อง Intel RealSense D435i แบบติดศีรษะ, ระบบควบคุมข้อต่อ ROS 2 และระบบวางแผนการเคลื่อนไหว MoveIt 2

สำหรับนักวิจัยที่ต้องการข้อมูลการรับรู้ที่ละเอียดกว่า การนำทางบนมือถือ การประมวลผล GPU ในพื้นที่ และความสามารถในการพัฒนา VLA แบบบูรณาการ Agility A2 Flex Ultra นำเสนอการกำหนดค่าที่ครอบคลุมยิ่งขึ้น

ความแตกต่างนี้มีความสำคัญอย่างยิ่งสำหรับลูกค้าที่วางแผนโครงการ AI แบบบูรณาการระยะยาว การกำหนดค่า Flex มาตรฐานไม่ได้รวมการกำหนดค่า VLA ไว้ด้วย ในขณะที่ Flex Ultra นั้นได้รับการออกแบบมาโดยเฉพาะสำหรับการฝึกอบรม การอนุมาน และการตรวจสอบ VLA

ด้วยการนำเสนอสองรูปแบบการใช้งาน แพลตฟอร์มนี้ช่วยให้ลูกค้าสามารถเลือกสภาพแวดล้อมการพัฒนาที่เหมาะสมกับวัตถุประสงค์การวิจัยในปัจจุบันของตนได้ดียิ่งขึ้น

Agility A2 Flex มอบโอกาสอะไรบ้างสำหรับการพัฒนาหุ่นยนต์ในอนาคต?

งานวิจัยด้านหุ่นยนต์มักไม่จำกัดอยู่แค่ความต้องการเริ่มต้นเท่านั้น โครงการที่เริ่มต้นด้วยการควบคุมวัตถุจากระยะไกลอาจขยายไปสู่การควบคุมแบบเรียนรู้ การจัดการวัตถุที่ซับซ้อนมากขึ้น หรือความสามารถในการตรวจจับเพิ่มเติมในภายหลัง

Agility A2 Flex รองรับความก้าวหน้านี้ผ่านสถาปัตยกรรมฮาร์ดแวร์ที่สามารถขยายได้

นักพัฒนาสามารถสำรวจการบูรณาการเพิ่มเติมกับโครงกระดูกภายนอกแบบสวมใส่ได้ ExoArm-7 Pro สำหรับวิธีการควบคุมระยะไกลแบบอื่น ๆ มือที่คล่องแคล่วเป็นพิเศษสามารถช่วยสนับสนุนงานวิจัยที่เกี่ยวข้องกับการจับและการจัดการที่ซับซ้อนยิ่งขึ้นได้

แพลตฟอร์มนี้ยังรองรับอุปกรณ์ปลายแขนแบบกำหนดเอง อุปกรณ์ตรวจจับภาพ และการปรับแต่งแบบ OEM/ODM ซึ่งให้ความยืดหยุ่นเพิ่มเติมสำหรับความต้องการในการพัฒนาเฉพาะทาง

ตัวเลือกเหล่านี้มีประโยชน์อย่างยิ่งสำหรับสถาบันวิจัยและทีมวิศวกรรมที่กำลังมองหาแพลตฟอร์มหุ่นยนต์ที่สามารถพัฒนาไปพร้อมกับโครงการของพวกเขาได้

ชุดโครงกระดูกภายนอกแบบสวมใส่ได้ ExoArm-7 Pro และมือเทียมที่คล่องแคล่ว มีจำหน่ายแยกต่างหาก

ใครบ้างที่จะได้รับประโยชน์จาก Agility A2 Flex?

Agility A2 Flex ถูกออกแบบมาสำหรับองค์กรที่พัฒนาและประเมินปัญญาประดิษฐ์ของหุ่นยนต์

มหาวิทยาลัยและสถาบันการศึกษาสามารถใช้แพลตฟอร์มนี้ในการสอนหุ่นยนต์เคลื่อนที่ การควบคุมการเคลื่อนไหว และปฏิสัมพันธ์ระหว่างมนุษย์กับหุ่นยนต์ผ่านการทดลองเชิงปฏิบัติ

ห้องปฏิบัติการ AI ที่ผสานการเคลื่อนไหวเข้ากับร่างกาย สามารถทำการวิจัยเกี่ยวกับการเคลื่อนไหวแขนคู่ที่ประสานกัน การรวบรวมตัวอย่างการสาธิตจากมนุษย์ และการควบคุมโดยอาศัยการเรียนรู้

บริษัทสตาร์ทอัพด้านหุ่นยนต์และทีมวิจัยและพัฒนาในภาคอุตสาหกรรมสามารถใช้ระบบนี้เพื่อตรวจสอบความถูกต้องของแนวคิดเบื้องต้น ซึ่งช่วยให้พวกเขาสามารถสำรวจขั้นตอนการทำงานของหุ่นยนต์ก่อนที่จะตัดสินใจพัฒนาในส่วนที่เฉพาะเจาะจงมากขึ้น

สำหรับทีมที่ต้องการความสามารถในการรับรู้และวิเคราะห์ภาพสามมิติขั้นสูง Agility A2 Flex Ultra จะมอบทรัพยากรเพิ่มเติมสำหรับการประเมินแอปพลิเคชันหุ่นยนต์ที่ขับเคลื่อนด้วย AI

สรุป: จากการสาธิตหุ่นยนต์สู่การควบคุมเคลื่อนที่อัจฉริยะ

การพัฒนาหุ่นยนต์เคลื่อนที่ที่มีประสิทธิภาพสูงนั้น ไม่ได้อาศัยเพียงแค่ฮาร์ดแวร์ที่ทรงพลังเท่านั้น แต่ยังต้องอาศัยระบบที่ประสานงานกันอย่างลงตัว เพื่อให้นักวิจัยสามารถควบคุม สังเกต ประเมิน และปรับปรุงพฤติกรรมของหุ่นยนต์ได้อย่างต่อเนื่อง

หุ่นยนต์ Agility A2 Flex รุ่นใหม่ล่าสุดนี้ ผสานรวมการประสานงานของร่างกายแบบ 27 องศาอิสระ (27-DOF), การเคลื่อนที่ได้หลายทิศทาง, การควบคุมด้วยแขนคู่, การควบคุมระยะไกลผ่าน VR และความสามารถในการพัฒนาแบบโอเพนซอร์สเข้าไว้ด้วยกัน

สำหรับนักพัฒนาที่เริ่มต้นกับการควบคุมระยะไกลและการควบคุมหุ่นยนต์ Agility A2 Flex มอบรากฐานการวิจัยที่ยืดหยุ่น สำหรับทีมที่กำลังศึกษาการรับรู้ขั้นสูงและการเรียนรู้ของหุ่นยนต์โดยใช้ VLA นั้น Flex Ultra มีเครื่องมือเพิ่มเติมเพื่อรองรับเวิร์กโฟลว์การพัฒนาที่ต้องการประสิทธิภาพสูงกว่า

ด้วยการเชื่อมโยงการทดลองการจัดการเชิงปฏิบัติเข้ากับการพัฒนาหุ่นยนต์แบบเปิด Agility A2 Flex ช่วยให้ทีมวิจัยสามารถก้าวจากแนวคิดเริ่มต้นไปสู่ระบบ AI ที่มีร่างกายซึ่งมีความสามารถมากขึ้น