Roboter brauchen Reibung, um die physische Welt wirklich zu verstehen

Wichtigste Punkte

• Contactile, ein Unternehmen für Tastsensoren, schlägt eine neue KI-Modellklasse namens VμA (vision-mu-action) vor, die Robotern Echtzeit-Reibungsdaten neben Kameravision liefert.
• Aktuelle Robot-AI-Modelle übersehen eine wichtige physikalische Größe: den Koeffizienten der Haftreibung (mu), der bestimmt, ob ein gegriffenes Objekt rutscht oder hält.
• Der PapillArray-Sensor von Contactile berechnet Reibung und Rutschzustand direkt im Sensor, ohne Verarbeitungsverzögerung, in Echtzeit.
• Die Lücke zwischen Robot-Simulationstraining und realer Leistung wird weitgehend auf das Fehlen von Reibungsphysik in Trainingsumgebungen zurückgeführt.

Ein Roboterarm greift in eine Schachtel, ergreift eine nasse Flasche und lässt sie fallen. Die Kamera sah die Flasche. Die Gelenke spürten die Last. Aber keines der beiden sagte dem Roboter, wie rutschig die Oberfläche war. Diese einzige fehlende Information ist der Grund, warum Robotergreifer bei Aufgaben immer noch versagen, die ein menschliches Kleinkind ohne zu denken bewältigt.

Contactile, ein australisches Sensorunternehmen, argumentiert in einem neuen technischen Beitrag, der zuerst von The Robot Report berichtet wurde, dass diese Lücke tiefer reicht als bisher jemand behoben hat. Das Problem sitzt in den KI-Modellen, die Roboter verwenden, um über die Welt nachzudenken.

Was ist ein Weltmodell und warum braucht es Reibung?

Ein Weltmodell ist das interne Bild des Roboters von der physikalischen Realität: ein Softwareprogramm, das vorhersagt, was als nächstes geschieht, damit der Roboter planen kann. Stellen Sie sich vor, der Roboter fragt sich selbst: „Wenn ich etwas fester drücke, bricht dieses Ei?" Ein gutes Weltmodell bedeutet, dass der Roboter nicht jede Aufgabe auswendig lernen muss. Es kann neue Aufgaben durchdenken.

Aber ein Weltmodell ist nur so gut wie die Informationen, mit denen es beginnt. Die heutigen Modelle konditionieren sich hauptsächlich auf zwei Eingaben: Bilder von Kameras und Gelenkpositionen von den eigenen Motoren des Roboters. Zum Bewegen durch offenen Raum ist das ausreichend. Zum Greifen und Handhaben von Objekten ist es nicht ausreichend.

Die fehlende Zahl wird Koeffizient der Haftreibung genannt, geschrieben als mu. Dies ist der physikalische Wert, der entscheidet, ob ein gegriffenes Objekt gegriffen bleibt. Er ändert sich je nach Material, ob die Oberfläche nass, abgenutzt oder beschichtet ist, und der Temperatur. Eine Kamera kann es nicht sehen. Motorströme können es nicht genau berechnen. Eine Druckkarte kann dir sagen, dass etwas gegriffen wird, aber nicht, ob der Griff kurz davor ist, zu versagen.

Ohne mu argumentiert das Weltmodell eines Roboters aus einem unvollständigen Bild der Realität. Es kann Muster aus Trainingsdaten lernen, aber es kann diese Lektionen nicht zuverlässig auf ein neues Objekt oder eine veränderte Oberfläche übertragen, weil die eine Variable, die über den Grifferfolg entscheidet, einfach nicht vorhanden ist.

Der Sensor, der misst, was Kameras nicht können

Das PapillArray Tactile Compute Module von Contactile ist ein fingernagelgroßes Sensorfeld, das auf dem Robotergreifer sitzt. Jeder kleine Sensormesswert, genannt Taxel, misst Kraft in alle drei Richtungen. Der Sensor berechnet dann mu direkt, in Echtzeit, im Sensor selbst, ohne die Daten zuerst an einen separaten Computer zu senden.

Die Ausgaben umfassen die volle 3D-Kraft bei jedem Taxel, Gesamtkraft und Drehmoment über die Kontaktfläche, den aktuellen Reibungswert, ob jeder Punkt gleitet oder hält, und die minimale Griffkraft, die erforderlich ist, um einen Sturz zu verhindern. Diese sind in der Kontaktphysik verwurzelt, nicht gelernte Vermutungen.

Contactile schlägt vor, Modelle, die diesen vollständigen Signalstapel verwenden, VμA zu nennen: vision-mu-action. Frühere Modellgenerationen erhielten ihre eigenen Namen, wenn eine neue Eingabe wichtig genug wurde. Vision-Language-Action-(VLA-)Modelle fügten natürliche Sprache zum Roboterlernen hinzu. Vision-Force-Action-(VFA-)Modelle fügten Kraft hinzu. VμA fügt die tatsächliche Reibungsphysik hinzu, die bei jedem bisherigen Ansatz gefehlt hat.

Auf der Trainingsseite bereichern VμA-Daten Datensätze mit kausalen physikalischen Signalen statt statistischer Stellvertreter. Auf der Bereitstellungsseite weiß ein mit einem PapillArray ausgestatteter Roboter den Reibungswert dessen, was er gerade hält, und kann seinen Griff sofort anpassen, wenn sich die Bedingungen ändern. Keine Vermutungen. Keine Domain-Randomisierungs-Umgehungslösungen.

Für Branchen, in denen Roboter nasses Obst, beschichtete Verpackungen oder variable Materialien handhaben, ist es kein Forschungskuriosum, die Griffphysik richtig zu machen. Es ist der Unterschied zwischen einer funktionierenden Produktionslinie und einer, die ständiger menschlicher Korrektur bedarf.