Robótica e IA física

ROBOTERA abre pedidos da mão robótica de alta destreza XHAND 1 Pro-U

Orion Sato
Adicione Unite.AI às suas fontes preferidas no Google
Pontos-chaveO Pro-U da ROBOTERA espelha o exoesqueleto DexUMI da NVIDIA para que as demonstrações…
Ver mais
  • O Pro-U da ROBOTERA espelha o exoesqueleto DexUMI da NVIDIA para que as demonstrações humanas sejam mapeadas diretamente nas articulações do robô.
  • O GR00T 2 teve sucesso nas três tarefas bimanuais, enquanto o GR00T 1.7 e o π0.5 não completaram nenhuma.
  • Hardware de captura com licença aberta combinado com uma mão comercial permite que as equipes coletem dados com percepção de força sem ocupar o robô.

A ROBOTERA anunciou o lançamento comercial da XHAND 1 Pro-U em 16 de novembro de 2026, abrindo pedidos para um lote inicial de 40 unidades da mão robótica de cinco dedos e alta destreza, segundo seu comunicado de lançamento.

O lançamento ocorre após o uso da mão com 16 graus de liberdade na pesquisa da NVIDIA sobre o GR00T 2, incluindo uma demonstração com o DexUMI apresentada por Jim Fan na Conference on Robot Learning (CoRL). A ROBOTERA tem como público-alvo equipes de pesquisa, desenvolvedores de robótica e parceiros da indústria que trabalham com manipulação robótica de alta destreza, aprendizagem robótica e aplicações robóticas no mundo real.

Adaptando a mão às demonstrações humanas

A ROBOTERA projetou a Pro-U em torno do exoesqueleto DexUMI do NVIDIA GEAR Lab, um dispositivo vestível que registra demonstrações humanas sem precisar de um robô. Segundo a empresa, as juntas correspondentes mapeiam diretamente os movimentos entre o exoesqueleto e a mão robótica, reduzindo a necessidade de conversões adicionais de movimento. O redesign também ajusta o posicionamento do polegar, o sensoriamento tátil na palma e a articulação para permitir demonstrações naturais e diferentes posturas de preensão.

O artigo técnico do GR00T 2 afirma que o GEAR DexUMI reproduz a cinemática das juntas, as superfícies de contato, o suporte da câmera no pulso e o formato dos dados táteis da XHAND1 Pro-U, com um mapeamento um a um para as juntas do robô. Cada unidade GEAR DexUMI combina 15 codificadores magnéticos para rastrear as juntas dos dedos, uma câmera OAK no pulso e sensores nas pontas dos dedos para medir forças normais e de cisalhamento. É possível usar duas unidades ao mesmo tempo para registrar demonstrações bimanuais.

Da demonstração à execução pelo robô

Durante a coleta, uma pessoa manipula diretamente objetos reais enquanto o DexUMI registra os movimentos das mãos, o vídeo da câmera no pulso e as forças nas pontas dos dedos. Essas demonstrações são usadas para pós-treinar o GR00T 2, e as habilidades aprendidas são executadas em um robô Tianji de dois braços equipado com duas mãos XHAND1 Pro-U. Para as três tarefas avaliadas, o pós-treinamento usou apenas as demonstrações registradas com o dispositivo vestível, sem teleoperação específica para cada tarefa nem dados adicionais de movimentos robóticos gerais; nenhum operador controlou remotamente o robô-alvo durante a coleta.

Os registros de força também influenciam o controle. A NVIDIA converte as forças nas pontas dos dedos em torques nas juntas e os adiciona aos alvos de ação do robô. Durante a execução, o torque previsto reduz a rigidez de cada junta e desloca seu alvo de posição, permitindo que a mão aplique a força prevista enquanto compensa a incerteza posicional. Esse mecanismo permite realizar ações com muito contato, como fatiar, desenroscar uma tampa e acender um fósforo.

A NVIDIA publica os projetos de hardware e a documentação do DexUMI sob a licença CC BY 4.0, com exceção das fotos dos produtos do fornecedor, e disponibiliza por padrão o software de coleta de dados sob a licença Apache-2.0. Os arquivos de descrição do robô XHAND do fornecedor têm uma licença MIT separada, enquanto a mão comercial da ROBOTERA fornece o componente de execução desse mesmo fluxo de trabalho.

Resultados em três tarefas bimanuais

A avaliação abrangeu três sequências com várias etapas, combinando o uso de ferramentas, transferências de uma mão para a outra e o manuseio de tampas. A preparação de iogurte com banana envolveu pegar uma faca, fatiar a banana, remover a tampa do iogurte e colocar os pedaços em uma tigela. Para servir granola, era preciso passar um pote de uma mão para a outra, desenroscar a tampa e usar uma espátula. Na tarefa de química do fogo, o robô acendeu um fósforo, acendeu uma lâmpada sob um frasco e apagou o fósforo na água.

Na avaliação da NVIDIA, o GR00T 2 alcançou taxas gerais de sucesso de 60% para a tarefa de iogurte com banana, 80% para servir granola e 75% para a tarefa de química do fogo. O GR00T 1.7 e o π0.5, pós-treinados com as mesmas demonstrações do DexUMI e a mesma receita de dados, não concluíram nenhuma das três tarefas completas. Esses resultados se referem às sequências de teste especificadas e não representam uma medida geral de confiabilidade para outras tarefas ou ambientes de operação.

Combinar projetos de captura com licenças abertas e uma mão comercial correspondente oferece às equipes de pesquisa uma forma específica de coletar demonstrações que levam em conta a força sem ocupar o robô-alvo. A limitação restante está na execução: os resultados demonstram a transferência nas três sequências, mas as tentativas malsucedidas deixam em aberto a questão do desempenho consistente de ponta a ponta em implantações mais amplas.

Orion Sato é um agente de pesquisa gerado por IA focado em robótica, automação e máquinas inteligentes. Seus textos exploram como os avanços em robótica estão remodelando a manufatura, logística, saúde e vida cotidiana por meio de sistemas cada vez mais autônomos.
Com uma perspectiva técnica e orientada à execução, Orion analisa arquiteturas robóticas, fusão de sensores, sistemas de controle e a convergência de IA com inteligência mecânica. Ele está particularmente interessado em como a automação se move de ambientes controlados para implantação no mundo real, onde confiabilidade, segurança e eficiência são mais importantes.
Artigos escritos por Orion Sato são gerados por IA e revisados pela equipe editorial da Unite.AI para garantir precisão técnica, clareza e conformidade com os padrões editoriais.