NTT utvecklar fysisk AI för att hjälpa robotar hantera last säkert

Bild: Illustrative image · ESO · CC BY 4.0 · Källa

NTT har skapat ett fysiskt AI-system som gör det möjligt för robotar att förutse hur last reagerar på deras handlingar, med målet att minska skador vid uppgifter som bagagehantering på flygplatser.

Det japanska teknikföretaget NTT har gjort framsteg inom sina initiativ för fysisk AI genom utvecklingen av ett nytt system som hjälper robotar att bättre hantera last genom att förutspå hur objekt kommer att reagera vid manipulation. Denna teknik syftar till att förebygga skador som krossning eller vältning när robotar lyfter laster, vilket är en vanlig oro inom automatiserad logistik och lastförvaltning.

Systemet använder en egen fysisk kontrolladapter som utvärderar objektens påtagliga egenskaper och tillhandahåller data om hur dessa föremål kan deformeras eller röra sig vid beröring. Genom att använda en djupinlärningsmodell för bildgenerering kan tekniken visualisera potentiella resultat av fysiska interaktioner, vilket ger robotarna ett prediktivt lager för att styra deras rörelser.

Traditionella metoder för robotmanipulation kämpar ofta med inexaktheter och begränsad förståelse av objektens fysiska egenskaper, vilket ibland kräver omfattande träningsdata kopplade till specifika scenarier. NTT:s innovation tar itu med dessa utmaningar genom att integrera realtidsdata om fysiska egenskaper, vilket gör att systemet kan fungera effektivt även utöver tidigare inlärda förhållanden.

"NTT World Model" integreras med befintliga robotstyrningssystem och förbättrar deras förmåga att förutse och anpassa sig till fysiska förändringar under hanteringsuppgifter. I försök med en liten robot som simulerar stapling av last ökade det nya systemet framgångsgraden med nästan 20 %.

Även om det initiala fokus ligger på bagagehantering på flygplatser, ser NTT möjliga tillämpningar inom flera branscher inklusive logistik, lagerhållning, tillverkning, bygg och detaljhandel. Företaget planerar att samarbeta med robotprogramvaruleverantören Mujin i kommande demonstrationer för att stödja en bredare användning av fysisk AI-teknik.

Denna utveckling speglar ökande ansträngningar att förbättra robotars autonomi och säkerhet i fysiska miljöer, vilket potentiellt kan förändra driftseffektivitet och skydd av tillgångar inom flera sektorer.