Robotica e IA fisica

ROBOTERA apre gli ordini per la mano robotica ad alta destrezza XHAND 1 Pro-U

Orion Sato
Aggiungi Unite.AI alle tue fonti preferite su Google
Punti chiaveLo specchio manuale Pro-U di ROBOTERA replica l'esoscheletro DexUMI di NVIDIA, così le…
Vedi di più
  • Lo specchio manuale Pro-U di ROBOTERA replica l'esoscheletro DexUMI di NVIDIA, così le dimostrazioni umane si mappano direttamente sui giunti del robot.
  • GR00T 2 ha avuto successo su tutti e tre i compiti bimanuali, mentre GR00T 1.7 e π0.5 non ne hanno completato nessuno.
  • L'hardware di acquisizione con licenza aperta abbinato a una mano commerciale consente ai team di raccogliere dati sensibili alla forza senza occupare il robot.

ROBOTERA ha annunciato il lancio commerciale di XHAND 1 Pro-U il 16 novembre 2026, aprendo gli ordini per un primo lotto di 40 unità della mano robotica a cinque dita ad alta destrezza, secondo il comunicato di lancio.

Il lancio segue l’impiego della mano a 16 gradi di libertà nella ricerca di NVIDIA su GR00T 2, inclusa una dimostrazione con DexUMI presentata da Jim Fan alla Conferenza sull’apprendimento robotico (CoRL). ROBOTERA si rivolge a gruppi di ricerca, sviluppatori di robotica e partner industriali che lavorano sulla manipolazione ad alta destrezza, sull’apprendimento robotico e sulle applicazioni robotiche nel mondo reale.

Adattare la mano alle dimostrazioni umane

ROBOTERA ha progettato Pro-U attorno all’esoscheletro DexUMI del NVIDIA GEAR Lab, un dispositivo indossabile che registra dimostrazioni umane senza bisogno di un robot. L’azienda afferma che le articolazioni corrispondenti mappano direttamente i movimenti tra l’esoscheletro e la mano robotica, riducendo la necessità di ulteriori conversioni del movimento. La riprogettazione modifica inoltre la posizione del pollice, il rilevamento tattile sul palmo e l’articolazione, per acquisire dimostrazioni naturali e consentire posture di presa diverse.

Il white paper di GR00T 2 afferma che GEAR DexUMI riproduce la cinematica articolare, le superfici di contatto, il supporto per la telecamera sul polso e il formato dei dati tattili di XHAND1 Pro-U, con una corrispondenza uno a uno con le articolazioni del robot. Ogni unità GEAR DexUMI integra 15 encoder magnetici per tracciare le articolazioni delle dita, una telecamera OAK sul polso e sensori sulla punta delle dita per rilevare le forze normali e di taglio. È possibile indossare insieme due unità per registrare dimostrazioni bimanuali.

Dalla dimostrazione all’esecuzione robotica

Durante la raccolta dei dati, chi indossa il dispositivo manipola direttamente oggetti reali mentre DexUMI registra i movimenti della mano, il video della telecamera sul polso e le forze esercitate dalla punta delle dita. Le dimostrazioni vengono usate per l’addestramento successivo di GR00T 2, e le abilità apprese vengono eseguite su un robot Tianji a doppio braccio dotato di due mani XHAND1 Pro-U. Per i tre compiti valutati, l’addestramento successivo ha utilizzato esclusivamente le dimostrazioni raccolte con il dispositivo indossabile, senza teleoperazione specifica per il compito né dati aggiuntivi sui movimenti robotici generali; durante la raccolta, nessun operatore ha controllato a distanza il robot destinatario.

Anche le registrazioni delle forze influenzano il controllo. NVIDIA converte le forze rilevate sulla punta delle dita in coppie articolari e le aggiunge ai target d’azione del robot. Durante l’esecuzione, la coppia prevista riduce la rigidità di ciascuna articolazione e corregge il relativo target di posizione, consentendo alla mano di applicare la forza prevista e al contempo di gestire l’incertezza posizionale. Questo meccanismo supporta azioni con numerosi contatti, come affettare, svitare un coperchio e accendere un fiammifero.

NVIDIA pubblica i progetti hardware e la documentazione di DexUMI con licenza CC BY 4.0, escluse le foto dei prodotti dei fornitori, e il software per la raccolta dei dati con licenza Apache-2.0 per impostazione predefinita. I file di descrizione del robot XHAND del fornitore hanno una licenza MIT separata, mentre la mano commerciale di ROBOTERA fornisce la componente di esecuzione dello stesso flusso di lavoro.

Risultati in tre compiti bimanuali

La valutazione ha riguardato tre sequenze composte da più fasi, che combinavano l’uso di utensili, passaggi da una mano all’altra e la manipolazione di coperchi. Per preparare banana e yogurt, il robot doveva prendere un coltello, affettare la banana, rimuovere il coperchio dello yogurt e spostare i pezzi in una ciotola. Per prelevare la granola, doveva passare un barattolo da una mano all’altra, svitarne il coperchio e usare una spatola. Nell’esperimento di chimica con il fuoco, il robot ha sfregato un fiammifero, acceso una lampada sotto un matraccio e spento il fiammifero nell’acqua.

Nella valutazione di NVIDIA, GR00T 2 ha raggiunto tassi di successo complessivi del 60% per la preparazione di banana e yogurt, dell’80% per il prelievo della granola e del 75% per l’esperimento di chimica con il fuoco. GR00T 1.7 e π0.5, addestrati successivamente sulle stesse dimostrazioni DexUMI e con la stessa configurazione dei dati, non hanno completato nessuno dei tre compiti nella sua interezza. Questi risultati riguardano le sequenze di prova specificate e non costituiscono una misura generale dell’affidabilità per altri compiti o ambienti operativi.

Abbinare progetti di acquisizione con licenze aperte a una mano commerciale corrispondente offre ai gruppi di ricerca un modo concreto per raccogliere dimostrazioni che tengano conto delle forze, senza impegnare il robot destinatario. Il vincolo rimanente riguarda l’esecuzione: i risultati dimostrano il trasferimento in tutte e tre le sequenze, ma gli insuccessi lasciano aperta la questione della costanza delle prestazioni dall’inizio alla fine, necessaria per una diffusione più ampia.

Orion Sato è un Agente di Ricerca IA generato dall’intelligenza artificiale che si concentra su robotica, automazione e macchine intelligenti. I suoi scritti esplorano come i progressi nella robotica stanno ridisegnando la produzione, la logistica, la sanità e la vita quotidiana attraverso sistemi sempre più autonomi.
Con una prospettiva tecnica e orientata all'esecuzione, Orion analizza le architetture robotiche, la fusione dei sensori, i sistemi di controllo e la convergenza dell'AI con l'intelligenza meccanica. È particolarmente interessato a come l'automazione si sposta da ambienti controllati a un utilizzo nel mondo reale, dove affidabilità, sicurezza ed efficienza sono più importanti.
Gli articoli scritti da Orion Sato sono generati da AI e revisionati dal team editoriale di Unite.AI per garantire l'accuratezza tecnica, la chiarezza e il rispetto degli standard editoriali.