Übersicht mit KI

Vollständiger Anthropomorphismus von Roboterhänden ist nicht für alle Anwendungen erforderlich. Spezialisierte Greifer sind effizienter für präzise industrielle Aufgaben wie Kabelbaummontage. Anthropomorphe Hände sind besser für Szenarien geeignet, die menschliche Werkzeuge oder komplexe Alltagsaufgaben erfordern. Die DexHand von Tars hat 21 Freiheitsgrade, um natürliche Bewegungen darzustellen und Datenfehlanpassung zu vermeiden. Taktiles Feedback wird durch eine mehrschichtige Erfassungsstrategie erreicht, die hochauflösende Daten nur in relevanten Kontaktzonen nutzt. Die Sensorfusion erfolgt durch eine einheitliche Modellarchitektur, die Wahrnehmung und Aktion in einem Latenzraum vereint.

* Diese Inhalte wurden mithilfe von Künstlicher Intelligenz erstellt und können Fehler enthalten.
Dr. Ding Wenchao, Tars Robotics, im Interview

Die Hand als letzte Grenze für Physical AI

Dr. Ding Wenchao ist Mitbegründer und Chefwissenschaftler von Tars Robotics sowie Tenure-Track-Professor am College of Intelligent Robotics and Advanced Manufacturing der Fudan-Universität in China, wo er den ersten humanoiden Roboter der Einrichtung entwickelte. Im Interview mit ROBOTIK UND PRODUKTION berichtet er über die aktuelle Forschung und Entwicklung zu humanoiden Roboterhänden.
Humanoide Robotik

00:00



Sorry, no results.
Please try another keyword

Für welche Anwendungsszenarien in der Praxis ist ein vollständiger Anthropomorphismus von Roboterhänden tatsächlich erforderlich? @Interview_Grundschrift:Dr. Ding: Für Tars ist vollständiger Anthropomorphismus nicht die ideale Lösung für jedes Szenario. Uns geht es vielmehr darum, für jede Aufgabe die richtige Fähigkeit zu ermitteln. Bei hochpräzisen industriellen Aufgaben wie der Kabelbaummontage liegen die eigentlichen Herausforderungen in der Handhabung verformbarer Objekte, der Kontakterkennung, der Kraftsteuerung und der Ausführung über einen langen Zeithorizont hinweg. Für diese Art von Szenario kann ein spezieller Greifer eine effizientere, stabilere und skalierbarere Wahl für den Masseneinsatz sein. Die Kabelbaummontage zeigt, dass Physical AI echte physikalische Interaktionsprobleme lösen muss, aber das bedeutet nicht, dass jede Aufgabe eine menschenähnliche, geschickte Hand erfordert. @Interview_Grundschrift: @Interview_Grundschrift:Vollständig anthropomorphe, geschickte Hände eignen sich besser für Szenarien, die ursprünglich für menschliche Hände konzipiert wurden und komplexe Fingerhaltungen sowie die Koordination mehrerer Finger erfordern. Beispiele hierfür sind die Verwendung menschlicher Werkzeuge, die Handhabung kleiner und komplexer Objekte, die Ausführung mehrstufiger Alltagsaufgaben, die Ermöglichung gestenbasierter Interaktion und schließlich der Einsatz in Haushalts-, Dienstleistungs- und bestimmten Präzisionsanwendungsszenarien. @Interview_Grundschrift: @Interview_Grundschrift:Für uns geht es beim Anthropomorphismus nicht um das Aussehen. Es geht um Leistungsgrenzen und Datenabgleich. Wenn Roboter von echten menschlichen Handgriffen lernen und diese nachahmen müssen, lässt sich eine Hand in menschlicher Größe mit menschenähnlicher Kinematik besser an menschenzentrierte Daten anpassen und menschliche Handlungen natürlicher auf den Roboterkörper übertragen. @Interview_Grundschrift: Wie viele Freiheitsgrade haben Sie mit Ihren aktuellen Prototypen erreicht, und warum gerade diese Zahl? @Interview_Grundschrift:Die menschliche Hand verfügt über 21 Freiheitsgrade (plus sechs weitere in den Handgelenken), und die DexHand von Tars arbeitet mit 21 Freiheitsgraden, was weitgehend der natürlichen kinematischen Struktur der menschlichen Hand entspricht. Diese Zahl ist nicht willkürlich gewählt. Für unsere Designziele ist dies eine sinnvolle Schwelle, um natürliche Handbewegungen darzustellen und gleichzeitig unnötige Redundanz zu vermeiden. @Interview_Grundschrift: @Interview_Grundschrift:Eine Überschreitung der 21 führt zu einem Problem, das oft übersehen wird: Datenfehlanpassung. Unsere gesamte Trainingspipeline basiert auf menschenzentrierten Daten – echte Menschen, die echte Aufgaben ausführen, erfasst durch unsere SenseHub-Handschuh-Suite. Wenn die Roboterhand sechs oder sieben Finger hat oder Freiheitsgrade aufweist, für die es kein menschliches Äquivalent gibt, kann man keine passenden Trainingsdaten von einer Person erfassen. Man wird einen problematischen Retargeting-Prozess haben. Für unsere menschenzentrierte Trainingspipeline ist die Abstimmung der Kinematik der Roboterhand auf die Kinematik der menschlichen Hand wertvoller als das bloße Hinzufügen weiterer Freiheitsgrade. Daher gilt: Mehr ist nicht immer besser; Abstimmung ist besser. @Interview_Grundschrift: Wie erreicht man taktiles Feedback mit hoher Dichte, ohne dass Datenvolumen und Latenz außer Kontrolle geraten? @Interview_Grundschrift:Dies ist eine der am meisten unterschätzten technischen Herausforderungen in diesem Bereich. Unser Ansatz ist eher architektonischer Natur als rein Hardware orientiert. Wir versuchen nicht, jedes taktile Signal mit derselben Frequenz und Auflösung zu verarbeiten. Stattdessen nutzen wir eine mehrschichtige Erfassungsstrategie, die in unsere Tac-ForeSight-Technik integriert ist. @Interview_Grundschrift: @Interview_Grundschrift:Kraft- und Drehmomentsignale auf Handgelenkebene liefern uns zunächst das Gesamtbild – allgemeine Kontakttrends, Belastungsrichtung und Kraftstärke über die gesamte Hand hinweg. Diese Signale sind niedrig dimensional und lassen sich extrem schnell verarbeiten. Die taktilen Sensoren an den Fingerspitzen liefern dann hochauflösende lokale Daten, jedoch nur in den Kontaktzonen, die für die aktuelle Teilaufgabe aktiv relevant sind. Durch diese Priorisierung überfluten wir das System nicht mit undifferenzierten Daten hoher Dichte, sondern streamen strukturierte, kontextuell gefilterte Informationen. @Interview_Grundschrift: @Interview_Grundschrift:Die tiefgreifendere Lösung ist jedoch unser AWE-3.0-Weltmodell, das im latenten Raum operiert. Anstatt auf jeden rohen Sensorwert zu reagieren, pflegt das Modell kontinuierlich eine komprimierte interne Darstellung der physischen Umgebung. Es sagt Kontaktzustände voraus, bevor sie vollständig eintreten, sodass das System bereits eine Reaktion vorbereitet, während sich das physische Ereignis noch entfaltet. Diese vorausschauende Pufferung sorgt dafür, dass die Latenz auch unter hochfrequenten Manipulationsbedingungen beherrschbar bleibt. @Interview_Grundschrift:

Greifer & Werkzeuge, Humanoide Robotik ROBOTIK UND PRODUKTION 4 (September) 2026
Tars Robotics Co., Ltd.
Zur Firmenwebsite

MEHR ZUM THEMA

das könnte sie auch interessieren