Triomphe d'Agibot aux « Jeux olympiques » des robots : 18 médailles d'or décrochées avec leur badge de travail

Les travailleurs numériques ont demandé un congé pour participer aux « Jeux olympiques des robots » !

Lors de cette édition des Jeux mondiaux des robots humanoïdes, c'est Agibot, qui s'est absenté de l'usine pour participer à la compétition, qui a le plus fait parler de lui.

Il a finalement pris la tête du tableau des médailles avec 18 médailles d'or, 16 d'argent et 12 de bronze. Parmi celles-ci, la main agile a remporté 7 médailles d'or sur les 8 épreuves spécialisées, la piste opérationnelle a obtenu 6 médailles d'or sur 12, et les épreuves sportives ont décroché 5 médailles d'or.

La main agile de l'équipe conjointe de l'Université de Wuhan et d'Agibot a pris une petite cuillère pour peser 20 grammes de sel en 27 secondes ; elle est également capable d'utiliser une pince à épiler pour saisir des haricots et d'empiler des blocs de construction ; le robot Lingxi G2 est intervenu dans un scénario de secours en cas d'incendie et a également rangé des livres dans une bibliothèque ; l'Expedition A3 a facilement réalisé des mouvements de grande difficulté comme le coup de pied extérieur à 540°...

Qui aurait pensé que, juste avant de participer à la compétition, ces robots travaillaient dur à l'usine ?

C'est la première participation d'Agibot, et les modèles engagés sont tous des machines produites en série, sans aucun modèle personnalisé spécialement conçu pour la compétition.

Passant du statut de « travailleur » à celui d'« athlète », Agibot conserve son ADN de travailleur, exploitant pleinement l'expérience accumulée dans des scénarios de déploiement réels, et illustrant la capacité de déploiement du robot, qui passe de « savoir faire une démonstration » à « savoir accomplir un travail réel ».

Sans plus tarder, APPSO vous dévoile les grands gagnants de ces Jeux des robots humanoïdes et la façon dont ils ont dominé les épreuves.

Des « travailleurs » habituels, devenus des athlètes de haut niveau ces jours-ci

Lors de la cérémonie d'ouverture, l'Expedition A3 d'Agibot et la championne olympique Ding Ning ont livré un duel homme-machine.

Le tennis de table est probablement l'un des sports les plus difficiles à « simuler » pour un robot. La vitesse de la balle est élevée, les effets sont nombreux, et la fenêtre de frappe se calcule en millisecondes ; plus problématique encore, en face se trouve une championne olympique capable de modifier sa tactique en cours de match et de changer le point de chute à tout moment.

Résultat : lors de cette rencontre, l'Expedition A3 a fait preuve d'une véritable capacité d'adaptation.

Une seconde, il était un expert du ping-pong, la seconde suivante, le style a radicalement changé —

Le maître de tai-chi fait son entrée.

Lors de la compétition d'arts martiaux - tai-chi chuan, l'Expedition A3 a enchaîné sans interruption une série complète de mouvements de haute difficulté, notamment un coup de pied volant + coup de pied extérieur à 450°, coup de pied extérieur à 360° + posture du cavalier, coup de pied extérieur à 540° + posture du cavalier.

Même les personnes âgées faisant leur exercice matinal s'exclameraient : « Professionnel ».

Cela a permis à Agibot de remporter sa troisième médaille d'or lors de ces Jeux mondiaux des robots humanoïdes.

La compétition de tai-chi ne consiste pas seulement à voir si le robot peut exécuter les mouvements, l'essentiel repose sur trois mots : ressemblance, stabilité, difficulté.

Les bras, la taille et les jambes ne peuvent pas agir de manière indépendante. L'enchaînement des mouvements et le rythme, rapide ou lent, doivent être fluides.

Prenons l'exemple de la posture du cavalier : il ne suffit pas de baisser le corps, il faut également contrôler la répartition du poids sur les genoux, les hanches et les chevilles. Si une seule articulation ne suit pas, la scène peut passer de « une aisance totale » à « une chute lamentable ».

Face à ce type de nouvel enchaînement comme le tai-chi, le robot A3 apprend principalement les lois générales du mouvement à partir des données de mouvement accumulées sur la plateforme Lingchuang. Le système adapte ensuite les trajectoires et le rythme des mouvements en s'appuyant sur les capacités motrices existantes.

Pendant l'entraînement, Agibot a également utilisé la méthode Sim2Real. Le robot s'est d'abord exercé à sauter, pivoter et atterrir dans un environnement de simulation. L'équipe d'ingénierie a pu ajuster les paramètres des mouvements et tester à plusieurs reprises différents états.

Ensuite, les stratégies issues de l'entraînement ont été transférées sur le robot réel. Dans la réalité, la friction, le jeu articulaire, les erreurs des capteurs et l'impact à l'atterrissage diffèrent de l'environnement simulé. Le système de contrôle doit continuer à s'ajuster pour que le mouvement soit exécuté de manière stable sur la machine réelle.

Le « contrôle parfait » prôné par le tai-chi représente, pour le robot, une véritable évaluation publique de sa propre structure et de sa capacité de contrôle moteur.

De plus, la médaille d'or du 100 mètres haies a été attribuée lors de ces Jeux, remportée par le Lingxi X2 d'Agibot. En se déplaçant à grande vitesse, le Lingxi X2 a accompli simultanément une série d'actions telles que l'esquive d'obstacles, le franchissement de barrières et le passage à travers des espaces restreints.

Grâce à son moteur cérébelleux génératif universel AGILE développé en interne, le Lingxi X2 d'Agibot combine un avantage de vitesse significatif et une excellente stabilité lors du franchissement d'obstacles irréguliers, et est capable de prendre des décisions autonomes ou semi-autonomes sur divers terrains.

Arrivés aux épreuves de scénarios, les robots se sont retrouvés sur le terrain de prédilection d'Agibot. En tant que « travailleur » de naissance, le Lingxi G2 d'Agibot, avant de participer aux Jeux, avait déjà été déployé à grande échelle dans des usines comme Longqi et SAIC, accumulant une riche « expérience professionnelle ».

L'épreuve de scénario d'urgence incendie a recréé un environnement d'incendie réel. Les robots participants devaient accomplir successivement trois tâches principales : l'identification de matières dangereuses, la fermeture de vannes anormales, ainsi que la saisie d'un extincteur et l'extinction du feu.

L'extincteur pèse entre 4,5 et 5 kilogrammes, dépassant largement la limite de charge des pinces terminales de la grande majorité des robots humanoïdes sur le marché.

Agibot n'a pas conçu de pince coûteuse sur mesure pour cela, mais a ajouté une structure au poignet. En s'appuyant sur la solidité de la structure du poignet lui-même, le robot a pu accrocher l'extincteur, puis l'insérer dans un support de transport dédié incliné à 20 degrés sur le châssis, contournant ainsi habilement le goulot d'étranglement de la charge grâce à une conception mécanique ingénieuse.

Accompagnant cette série de mouvements, le système de téléopération au-delà de la ligne de visée développé par Agibot. Basé sur une solution VR pour le calcul de la cinématique inverse, le système transforme les mouvements du corps de l'opérateur en instructions pour le robot. Il utilise un contrôle du corps entier pour projeter les mouvements de l'opérateur sur l'ensemble du robot, soutenu par une stratégie de contrôle de force.

Cela permet au robot de faire preuve de souplesse et de tolérance aux erreurs lors du contact avec l'environnement ; l'opérateur n'a pas besoin d'éviter délibérément chaque collision, rendant les mouvements plus naturels et continus.

Dans le contrôle robotique traditionnel, tout contact physique dépassant la trajectoire prédéfinie peut déclencher la protection contre les surcharges des moteurs articulaires, provoquant l'arrêt du système.

En introduisant un algorithme de contrôle du corps entier basé sur le retour de force, Agibot permet au robot, lorsqu'il entre en contact avec une poignée de porte, une vanne ou du matériel d'incendie, de subir de légères déformations élastiques, à l'instar des articulations humaines, absorbant ainsi la force d'impact générée par la collision.

L'épreuve de scénario en bibliothèque met à l'épreuve la stabilité de l'ensemble du processus. Agibot a formé une équipe conjointe avec l'Université de Tsinghua et l'Université Jiao Tong de Shanghai pour participer, devant accomplir trois tâches : le transport sortant, la mise en rayon et le rangement des livres, ainsi que l'identification et la correction des livres mal placés.

Dans la pratique du rangement de livres, la réflexion sur les couvertures et le désordre de la disposition des ouvrages imposent des exigences extrêmement élevées en matière de reconnaissance visuelle. Le modèle visuel adopté par l'équipe conjointe est non seulement capable d'extraire les informations textuelles sur la surface des livres, mais aussi de se baser sur l'épaisseur des livres...