Robotika a fyzická AI
ROBOTERA zahajuje objednávky obratné robotické ruky XHAND 1 Pro-U

Klíčové bodyZrcadlo Pro-U od ROBOTERA napodobuje exoskelet DexUMI od NVIDIA, takže se lidské…
Zobrazit více
- Zrcadlo Pro-U od ROBOTERA napodobuje exoskelet DexUMI od NVIDIA, takže se lidské demonstrace přímo mapují na klouby robota.
- GR00T 2 uspěl ve všech třech bimanuálních úlohách, zatímco GR00T 1.7 a π0.5 nedokončily žádnou.
- Otevřeně licencovaný hardware pro snímání ve spojení s komerční rukou umožňuje týmům sbírat data s citlivostí na sílu, aniž by obsadily robota.
Společnost ROBOTERA 16. listopadu 2026 oznámila komerční uvedení modelu XHAND 1 Pro-U a zahájila objednávky na první sérii 40 kusů této obratné pětiprsté robotické ruky, jak uvádí její oznámení o uvedení na trh.
Uvedení na trh navazuje na využití ruky s 16-degree-of-freedom ve výzkumu NVIDIA GR00T 2, včetně ukázky DexUMI, kterou Jim Fan představil na konferenci o robotickém učení (CoRL). ROBOTERA cílí na výzkumné týmy, vývojáře robotiky a průmyslové partnery, kteří se zabývají obratnou manipulací, učením robotů a praktickými aplikacemi robotiky.
Přizpůsobení ruky lidským ukázkám
ROBOTERA navrhla model Pro-U s ohledem na exoskelet DexUMI od NVIDIA GEAR Lab, nositelné zařízení, které zaznamenává lidské ukázky bez nutnosti použití robota. Společnost uvádí, že odpovídající klouby přímo převádějí pohyby mezi exoskeletem a robotickou rukou, čímž omezují potřebu dalšího převodu pohybů. Přepracovaný model také upravuje polohu palce, hmatové snímání na straně dlaně a pohyblivost kloubů, aby umožnil přirozené ukázky a různé polohy při uchopování.
Bílá kniha GR00T 2 uvádí, že GEAR DexUMI napodobuje kinematiku kloubů, kontaktní plochy, úchyt pro kameru na zápěstí a formát hmatových dat modelu XHAND1 Pro-U, přičemž pohyby přímo mapuje na klouby robota v poměru jedna ku jedné. Každá jednotka GEAR DexUMI kombinuje 15 magnetických enkodérů pro sledování kloubů prstů, kameru OAK na zápěstí a snímače na konečcích prstů pro měření normálové a smykové síly. Dvě jednotky lze nosit současně a zaznamenávat tak ukázky obouručních úkonů.
Od ukázek k provádění úkonů robotem
Během sběru dat nositel přímo manipuluje se skutečnými předměty, zatímco DexUMI zaznamenává pohyby rukou, video z kamery na zápěstí a síly působící na konečky prstů. Tyto ukázky se používají k dodatečnému trénování modelu GR00T 2 a naučené dovednosti pak provádí dvouramenný robot Tianji vybavený dvěma rukama XHAND1 Pro-U. U tří hodnocených úloh se při dodatečném trénování používaly pouze ukázky pořízené nositelným zařízením, bez teleoperace přizpůsobené konkrétním úlohám a bez dalších obecných dat o pohybech robotů; během sběru dat žádný operátor cílového robota na dálku neovládal.
Záznamy sil ovlivňují také řízení. NVIDIA převádí síly působící na konečky prstů na točivé momenty v kloubech a přidává je k cílovým hodnotám řídicích příkazů robota. Při provádění úkonu předpokládaný točivý moment snižuje tuhost každého kloubu a posouvá jeho cílovou polohu, takže ruka může vyvíjet předpokládanou sílu a zároveň zohledňovat nejistotu polohy. Tento mechanismus umožňuje úkony vyžadující intenzivní kontakt, například krájení, odšroubování víčka a škrtání zápalkou.
NVIDIA zveřejňuje návrhy hardwaru DexUMI a dokumentaci pod licencí CC BY 4.0, s výjimkou produktových fotografií dodavatele, a svůj software pro sběr dat standardně pod licencí Apache-2.0. Soubory s popisem robotů XHAND od dodavatele mají samostatnou licenci MIT, zatímco komerční ruka ROBOTERA zajišťuje prováděcí část téhož pracovního postupu.
Výsledky ve třech obouručních úlohách
Hodnocení zahrnovalo tři vícekrokové sekvence kombinující používání nástrojů, předávání předmětů mezi rukama a manipulaci s víčky. Při přípravě banánového jogurtu robot vzal nůž, nakrájel banán, sundal víčko z jogurtu a přesunul kousky do misky. Při nabírání granoly musel přendat sklenici z jedné ruky do druhé, odšroubovat její víčko a použít špachtli. V chemickém experimentu s ohněm robot škrtl zápalkou, zapálil lampu pod baňkou a zápalku uhasil ve vodě.
V hodnocení NVIDIA dosáhl model GR00T 2 celkové úspěšnosti 60 % u banánového jogurtu, 80 % při nabírání granoly a 75 % v úloze s ohněm. Modely GR00T 1.7 a π0.5, dodatečně trénované na stejných ukázkách DexUMI podle stejného postupu přípravy dat, nedokončily ani jednu ze tří úloh. Jde o výsledky pro uvedené testovací sekvence, nikoli o obecný údaj o spolehlivosti při jiných úlohách nebo v jiných provozních podmínkách.
Kombinace otevřeně licencovaných návrhů zařízení pro snímání pohybů a odpovídající komerční robotické ruky nabízí výzkumným týmům konkrétní způsob, jak sbírat ukázky zohledňující sílu, aniž by musely vytížit cílového robota. Omezení se týká samotného provádění úloh: výsledky dokládají přenos dovedností ve všech třech sekvencích, ale neúspěšné pokusy ponechávají otázku konzistentního výkonu celého procesu při širším nasazení otevřenou.












