रोबोटिक्स और भौतिक एआई
ROBOTERA ने XHAND 1 Pro-U कुशल रोबोटिक हाथ के ऑर्डर लेना शुरू किया

मुख्य बिंदुROBOTERA का Pro-U हाथ NVIDIA के DexUMI एक्सोस्केलेटन की नकल करता है ताकि मानव प्रदर्शन…
और देखें
- ROBOTERA का Pro-U हाथ NVIDIA के DexUMI एक्सोस्केलेटन की नकल करता है ताकि मानव प्रदर्शन सीधे रोबोट के जोड़ों पर मैप हों।
- GR00T 2 तीनों द्वि-हस्त कार्यों में सफल रहा जबकि GR00T 1.7 और π0.5 ने कोई भी पूरा नहीं किया।
- खुली लाइसेंस वाला कैप्चर हार्डवेयर एक वाणिज्यिक हाथ के साथ मिलकर टीमों को रोबोट पर कब्जा किए बिना बल-जागरूक डेटा इकट्ठा करने देता है।
ROBOTERA ने 16 नवंबर, 2026 को अपने XHAND 1 Pro-U का व्यावसायिक लॉन्च घोषित किया। कंपनी की लॉन्च संबंधी घोषणा के अनुसार, पाँच उँगलियों वाले इस कुशल रोबोटिक हाथ की शुरुआती 40 इकाइयों के ऑर्डर लेना शुरू कर दिया गया है।
यह लॉन्च 16-degree-of-freedom वाले हाथ के NVIDIA के GR00T 2 शोध में इस्तेमाल किए जाने के बाद हुआ है। इसमें DexUMI का एक प्रदर्शन शामिल था, जिसे Jim Fan ने Conference on Robot Learning (CoRL) में प्रस्तुत किया था। ROBOTERA का लक्ष्य उन शोध टीमों, रोबोटिक्स डेवलपरों और उद्योग भागीदारों तक पहुँचना है, जो कुशल वस्तु-संचालन, रोबोट लर्निंग और वास्तविक दुनिया में रोबोटिक अनुप्रयोगों पर काम कर रहे हैं।
मानवीय प्रदर्शनों के अनुरूप हाथ का डिज़ाइन
ROBOTERA ने Pro-U को NVIDIA GEAR Lab के DexUMI एक्सोस्केलेटन के अनुरूप डिज़ाइन किया है। यह पहनने योग्य उपकरण है, जो रोबोट की आवश्यकता के बिना मानवीय प्रदर्शनों को रिकॉर्ड करता है। कंपनी के अनुसार, दोनों में संबंधित जोड़ गतिविधियों को एक्सोस्केलेटन और रोबोटिक हाथ के बीच सीधे स्थानांतरित करते हैं, जिससे गति को अलग से रूपांतरित करने की ज़रूरत घटती है। नए डिज़ाइन में अंगूठे की स्थिति, हथेली की ओर स्पर्श-संवेदन और जोड़-संचालन को भी समायोजित किया गया है, ताकि प्रदर्शन स्वाभाविक हों और पकड़ने की विभिन्न मुद्राएँ अपनाई जा सकें।
GR00T 2 के श्वेतपत्र के अनुसार, GEAR DexUMI, XHAND1 Pro-U की जोड़-गतिविज्ञान, संपर्क सतहों, कलाई-कैमरा माउंट और स्पर्श-संबंधी डेटा प्रारूप को दोहराता है। इसमें रोबोट के जोड़ों के साथ एक-से-एक अनुरूपता है। GEAR DexUMI की प्रत्येक इकाई में उँगलियों के जोड़ों की गतिविधि दर्ज करने के लिए 15 चुंबकीय एनकोडर, कलाई पर लगा OAK कैमरा और अभिलंब तथा अपरूपण बल मापने वाले उँगलियों के सिरों के सेंसर शामिल हैं। दोनों हाथों से किए जाने वाले प्रदर्शनों को रिकॉर्ड करने के लिए दो इकाइयाँ एक साथ पहनी जा सकती हैं।
प्रदर्शन से रोबोट के क्रियान्वयन तक
डेटा जुटाते समय, DexUMI पहनने वाला व्यक्ति वास्तविक वस्तुओं को सीधे हाथ से संचालित करता है, जबकि DexUMI हाथ की गतिविधियों, कलाई-कैमरे का वीडियो और उँगलियों के सिरों पर लगने वाले बल को रिकॉर्ड करता है। इन प्रदर्शनों का उपयोग GR00T 2 को आगे प्रशिक्षित करने के लिए किया जाता है। इससे सीखे गए कौशल दो XHAND1 Pro-U हाथों से लैस, दो भुजाओं वाले Tianji रोबोट पर चलाए जाते हैं। जाँचे गए तीन कार्यों के लिए आगे का प्रशिक्षण केवल पहनने योग्य उपकरण से रिकॉर्ड किए गए प्रदर्शनों पर आधारित था; इसमें न तो कार्य-विशिष्ट दूरसंचालन का उपयोग हुआ, न ही रोबोट की सामान्य गतिविधियों का अतिरिक्त डेटा लिया गया। डेटा जुटाने के दौरान किसी ऑपरेटर ने लक्ष्य रोबोट को दूर से नियंत्रित नहीं किया।
बल के रिकॉर्ड नियंत्रण को आकार देने में भी मदद करते हैं। NVIDIA उँगलियों के सिरों पर लगने वाले बल को जोड़-बलाघूर्ण में बदलता है और उन्हें रोबोट के क्रिया-लक्ष्यों में जोड़ता है। क्रियान्वयन के दौरान, अनुमानित बलाघूर्ण हर जोड़ की कठोरता घटाता है और उसकी स्थिति के लक्ष्य को समायोजित करता है। इससे हाथ स्थिति की अनिश्चितता के बावजूद अनुमानित बल लगा पाता है। यह प्रणाली चाकू से काटने, ढक्कन खोलने के लिए उसे घुमाने और माचिस जलाने जैसी संपर्क-प्रधान क्रियाओं में मदद करती है।
NVIDIA, विक्रेता के उत्पाद फ़ोटो को छोड़कर, DexUMI के हार्डवेयर डिज़ाइन और दस्तावेज़ CC BY 4.0 लाइसेंस के तहत प्रकाशित करता है। डेटा-संग्रह सॉफ़्टवेयर डिफ़ॉल्ट रूप से Apache-2.0 लाइसेंस के तहत उपलब्ध है। विक्रेता की XHAND रोबोट-विवरण फ़ाइलें अलग से MIT लाइसेंस के तहत हैं, जबकि ROBOTERA का व्यावसायिक हाथ इसी कार्यप्रवाह के क्रियान्वयन वाले हिस्से को पूरा करता है।
दोनों हाथों से किए जाने वाले तीन कार्यों के परिणाम
मूल्यांकन में कई चरणों वाले तीन क्रम शामिल थे, जिनमें औज़ारों का उपयोग, एक हाथ से दूसरे हाथ में वस्तु देना और ढक्कन संभालना शामिल था। केला-दही तैयार करने में चाकू उठाना, केले को काटना, दही का ढक्कन हटाना और टुकड़ों को कटोरे में डालना शामिल था। ग्रेनोला निकालने के कार्य में जार को एक हाथ से दूसरे हाथ में देना, उसका ढक्कन घुमाकर खोलना और स्पैचुला का उपयोग करना आवश्यक था। अग्नि-रसायन वाले कार्य में रोबोट ने माचिस जलाई, फ्लास्क के नीचे रखे लैम्प को जलाया और माचिस को पानी में बुझाया।
NVIDIA के मूल्यांकन में GR00T 2 ने केला-दही के कार्य में 60%, ग्रेनोला निकालने में 80% और अग्नि-रसायन के कार्य में 75% की समग्र सफलता दर हासिल की। उन्हीं DexUMI प्रदर्शनों और उसी डेटा-विधि से आगे प्रशिक्षित GR00T 1.7 और π0.5, तीनों में से कोई भी पूरा कार्य नहीं कर पाए। ये आँकड़े बताए गए परीक्षण-क्रमों के नतीजे हैं, अन्य कार्यों या संचालन-परिस्थितियों में सामान्य विश्वसनीयता के संकेतक नहीं।
खुले लाइसेंस वाले डेटा-संग्रह डिज़ाइनों को उनसे मेल खाते व्यावसायिक हाथ के साथ जोड़ने से शोध टीमों को लक्ष्य रोबोट को व्यस्त रखे बिना, बल-संवेदन से युक्त प्रदर्शन जुटाने का एक खास तरीका मिलता है। फिर भी, क्रियान्वयन एक सीमा बना हुआ है: नतीजे तीनों क्रमों में कौशल के हस्तांतरण को दिखाते हैं, लेकिन असफल प्रयासों के कारण व्यापक उपयोग के लिए शुरू से अंत तक लगातार अच्छा प्रदर्शन अब भी एक खुला सवाल है।












