NTT utvikler fysisk AI-system for å hjelpe roboter håndtere last trygt

Bilde: Illustrative image · ESO · CC BY 4.0 · Kilde

NTT har laget et fysisk AI-system som gjør det mulig for roboter å forutse hvordan last reagerer på deres handlinger, med mål om å redusere skader i oppgaver som bagasjehåndtering på flyplasser.

Det japanske teknologiselskapet NTT har gjort fremskritt innen sine fysiske AI-initiativer ved å utvikle et nytt system som skal hjelpe roboter med å håndtere last bedre ved å forutsi hvordan objekter vil reagere på manipulering. Denne teknologien har som mål å hindre skader som knusing eller velting når roboter løfter belastninger, en vanlig bekymring i automatisert logistikk og lastbehandling.

Systemet bruker en egenutviklet fysisk kontrolladapter som vurderer de håndgripelige egenskapene til objektene, og gir data om hvordan disse gjenstandene kan deformeres eller bevege seg når de blir manipulert. Ved å utnytte en dyp læringsmodell for bilde-generering kan teknologien visualisere mulige utfall av fysiske interaksjoner, og gir robotene et prediktivt lag for å styre bevegelsene.

Tradisjonelle tilnærminger til robotmanipulering sliter ofte med unøyaktigheter og en begrenset forståelse av objekters fysiske egenskaper, noe som noen ganger krever omfattende treningsdata knyttet til spesifikke scenarier. NTTs innovasjon adresserer disse utfordringene ved å integrere realtidsfysiske egenskaper, noe som gjør at systemet kan fungere effektivt også utenfor tidligere lærte betingelser.

"NTT World Model" integreres med eksisterende robotkontrolloppsett, og forbedrer deres evne til å forutse og tilpasse seg fysiske endringer under håndteringsoppgaver. I tester med en liten robot som simulerte stabling av last, økte det nye systemet suksessraten med nesten 20 %.

Selv om det første fokuset er på bagasjehåndtering på flyplasser, ser NTT for seg anvendelser på tvers av industrier, inkludert logistikk, lager, produksjon, bygg og detaljhandel. Selskapet planlegger samarbeid med robotprogramvareleverandøren Mujin for kommende demonstrasjoner, som skal støtte bredere bruk av fysisk AI-teknologi.

Denne utviklingen reflekterer økende innsats for å forbedre roboters autonomi og sikkerhet i fysiske miljøer, noe som potensielt kan forvandle operasjonell effektivitet og beskyttelse av eiendeler i flere sektorer.