Agibot triumphiert bei Roboter-Olympia: 18 Goldmedaillen mit Werkausweis

Cyber-Arbeiter haben sich beurlauben lassen, um an den „Roboter-Olympischen Spielen“ teilzunehmen!

Bei den diesjährigen Weltmeisterschaften der humanoiden Roboter fiel am häufigsten der Roboter von Agibot auf, der extra für die Teilnahme vom Fließband abgestellt wurde.

Er belegte mit 18 Gold-, 16 Silber- und 12 Bronzemedaillen den ersten Platz in der Medaillenwertung. Dabei sicherte sich die agile Hand in acht Spezialdisziplinen sieben Goldmedaillen, in der Arbeitsdisziplin sechs von zwölf Goldmedaillen und in den Wettkampfsportarten fünf Goldmedaillen.

Die agile Hand des Joint Teams von der Wuhan-Universität und Agibot nahm einen kleinen Löffel, wog in 27 Sekunden 20 Gramm Salz ab und konnte zudem mit einer Pinzet Bohnen greifen und Bauklötze stapeln; der Elf G2 kam in einem Feuerwehreinsatz-Szenario zum Einsatz und sortierte zudem Bücher in einer Bibliothek; der Yuanzheng A3 absolvierte mühelos hochkomplexe Bewegungen wie einen 540-Grad-Außenspreiztritt...

Wer hätte gedacht, dass diese Roboter vor dem Wettkampf noch fleißig in der Fabrik ihre Arbeit verrichteten.

Dies war die erste Teilnahme von Agibot. Die eingesetzten Modelle waren ausschließlich Serienmaschinen, es gab keine speziell für den Wettkampf angefertigten Prototypen.

Vom „Arbeiter“ zum „Athleten“ – Agibot behielt seine Arbeits-DNA bei, spielte die in realen Einsatzszenarien gesammelte Erfahrung voll aus und demonstrierte die Fähigkeit der Roboter, von der reinen „Vorführbarkeit“ hin zur „Erledigung echter Aufgaben“ im operativen Einsatz zu reifen.

Ohne viele Worte zu verlieren, wirft APPSO nun einen detaillierten Blick auf diesen großen Medaillengewinner der humanoiden Roboter-Weltmeisterschaften und darauf, wie sie die Konkurrenz auf dem Spielfeld dominierten.

Unter der Woche „Arbeiter“, an diesen Tagen Sport-Profis

Bei der Eröffnungsfeier lieferten sich der Agibot Yuanzheng A3 und die Olympia-Siegerin Ding Ning ein Duell zwischen Mensch und Maschine.

Tischtennis ist wohl eine der schwersten Sportarten für Roboter. Das Tempo ist hoch, der Spin vielfältig und das Zeitfenster für den Schlag wird in Millisekunden berechnet; noch problematischer ist, dass auf der anderen Seite eine Olympia-Siegerin steht, die ihr Spiel taktisch anpasst und den Ball jederzeit variabel platziert.

Das Resultat dieses Spiels: Der Yuanzheng A3 spielte mit einer bemerkenswerten Spontaneität.

In der einen Sekunde noch ein Tischtennis-Profi, in der nächsten änderte sich die Szenerie schlagartig –

Ein Tai-Chi-Meister betritt die Bühne.

Im Wettbewerb der Kampfkünste – Tai-Chi – absolvierte der Yuanzheng A3 in einem fließenden Gang eine komplette Serie hochschwieriger Bewegungen, darunter ein Sprungtritt mit 450-Grad-Außenspreizung, eine 360-Grad-Außenspreizung mit Reiterstellung sowie eine 540-Grad-Außenspreizung mit Reiterstellung.

Selbst ein Morgensport treibender Rentner würde anerkennend murmeln: Professionell.

Dies brachte Agibot die dritte Goldmedaille bei diesen Weltmeisterschaften der humanoiden Roboter ein.

Beim Tai-Chi-Wettbewerb geht es eigentlich nicht nur darum, ob der Roboter die Bewegungen ausführen kann. Am wichtigsten sind drei Aspekte: Ähnlichkeit, Stabilität und Schwierigkeitsgrad.

Arme, Taille und Beine dürfen nicht unabhängig voneinander agieren. Der Übergang zwischen den Bewegungen und das Tempo aus schnellen und langsamen Phasen müssen fließend verbunden sein.

Nimmt man als Beispiel die Reiterstellung: Der Körper muss nicht nur gesenkt werden, sondern auch Knie, Hüfte und Sprunggelenk müssen gemeinsam die Kraft aufnehmen. Falls nur ein Gelenk nicht hinterherkommt, kann die Szene schnell von „mühoser Beherrschung“ in ein „ungelenkes Stolpern“ umschlagen.

Mit neuen Bewegungsabläufen wie Tai-Chi lernt der A3 hauptsächlich allgemeine Bewegungsgesetze aus den auf der Lingchuang-Plattform gesammelten Bewegungsdaten. Das System passt die Bewegungsbahnen und Rhythmen auf Basis der bereits vorhandenen Bewegungsfähigkeiten weiter an.

Während des Trainings nutzte Agibot zudem die Sim2Real-Methode. Der Roboter übte zunächst das Abspringen, Drehen und Landen in einer Simulationsumgebung. Das Ingenieursteam konnte die Bewegungsparameter anpassen und verschiedene Zustände wiederholt testen.

Anschließend werden die im Training erarbeiteten Strategien auf die reale Maschine übertragen. Reibung, Gelenkspiele, Sensorfehler und Aufprall beim Landen in der realen Welt weichen von der Simulation ab. Das Kontrollsystem muss weiter justieren, damit die Bewegung auf der echten Maschine stabil ausgeführt werden kann.

Was im Tai-Chi als „freies Spiel von Spannung und Entspannung“ bezeichnet wird, bedeutet für den Roboter in der Praxis eine öffentliche Überprüfung seiner eigenen mechanischen Struktur und Bewegungskontrolle.

Darüber hinaus wurde bei den Spielen die Goldmedaille im 100-Meter-Hindernislauf vergeben, die der Agibot Lingxi X2 gewann. Bei hoher Gehgeschwindigkeit absolvierte der Lingxi X2 synchron eine Reihe von Aktionen wie das Umgehen von Hindernissen, das Überspringen von Barrieren und das Passieren engster Räume.

Basierend auf dem selbstentwickelten generativen universellen „Kleinhirn“-Engine-Framework AGILE bietet der Lingxi X2 beim Passieren unregelmäßiger Hindernisse sowohl einen deutlichen Geschwindigkeitsvorteil als auch eine hervorragende Stabilität und kann in verschiedenen Geländen autonome oder semi-autonome Entscheidungen treffen.

Bei den Szenarien-Wettbewerben betrat Agibot quasi sein eigenes Heimspiel. Der von Natur aus als „Arbeiter“ konzipierte Agibot Elf G2 war vor den Spielen bereits in großem Maßstab in Fabriken wie dem Longqi-Werk und dem SAIC-Werk im Einsatz und verfügte über sehr umfangreiche „Arbeitserfahrung“.

Das Feuerwehr- und Notfallszenario simulierte eine reale Brandumgebung. Die teilnehmenden Roboter mussten nacheinander drei Kernaufgaben erfüllen: die Identifizierung von Gefahrgut, das Absperren abnormaler Ventile sowie das Greifen des Feuerlöschers und das Löschen des Feuers.

Ein Feuerlöscher wiegt zwischen 4,5 und 5 Kilogramm, was die Belastungsgrenze der Endeffektoren der meisten auf dem Markt befindlichen humanoiden Roboter bei Weitem übersteigt.

Agibot entwickelte dafür keine teuren Spezialgreifer, sondern rüstete das Handgelenk mit einer Strukturkomponente aus. Mit Hilfe der strukturellen Festigkeit des Handgelenks selbst wurde der Feuerlöscher eingehakt und in einen speziellen Tragebehälter auf der Basis eingesetzt, der um 20 Grad geneigt war. So wurde der Belastungsengpass durch einen cleveren mechanischen Entwurf umgangen.

Begleitet wurde diese Bewegungsfolge von Agibots selbstentwickeltem über Sichtweite hinausreichenden Teleoperationssystem. Das System basiert auf einer VR-Lösung mit inverser kinematischer Abbildung, die die Körperbewegungen des Bedieners in Roboterbefehle umwandelt. Mithilfe einer Ganzkörpersteuerung werden die Körperbewegungen des Operators auf den gesamten Roboter übertragen.

Ergänzt durch eine Kraftkontrollstrategie erhält der Roboter bei Kontakt mit der Umwelt Nachgiebigkeit und Fehlertoleranz, sodass der Operator nicht jedem Zusammenstoß ausweichen muss und die Bewegungen natürlicher und flüssiger ausfallen können.

In der klassischen Robotersteuerung kann jeder physische Kontakt, der die voreingestellte Bahn verlässt, zum Überlastungsschutz der Gelenkmotoren und somit zum Systemstillstand führen.

Durch die Einführung einer ganzheitlichen Steuerungsalgorithmus basierend auf Kraftfeedback ermöglicht es Agibot den Robotern, bei Kontakt mit Türklinken, Ventilen oder Feuerlöschgeräten wie menschliche Gelenke eine leichte elastische Verformung zu erzeugen und so die Aufprallenergie bei Kollisionen zu absorbieren.

Der Bibliotheks-Szenarienwettbewerb testet die Stabilität des gesamten Prozesses. Agibot trat gemeinsam mit der Tsinghua-Universität und der Shanghai Jiao Tong-Universität als Team an. Sie mussten drei Aufgaben bewältigen: den Transport aus dem Lager, das Einsortieren der Bücher in die Regale sowie das Erkennen und Korrigieren falsch platzierter Bücher.

Bei der praktischen Durchführung der Buchsortierung stellten die Reflexionen auf den Buchdeckeln und die ungeordnete Anordnung der Bücher höchste Anforderungen an die visuelle Erkennung. Das von dem Joint-Team verwendete visuelle Modell konnte nicht nur Textinformationen auf der Buchoberfläche extrahieren, sondern auch...