Estreia de sucesso da AgiBot nas "Olimpíadas": com crachá de trabalho, conquista 18 medalhas de ouro

Os trabalhadores cibernéticos tiraram folga para participar das "Olimpíadas de Robôs"!

Nos Jogos Mundiais de Robôs Humanoides deste ano, quem mais se destacou foram os robôs da AgiBot, que tiraram licença da fábrica para participar do evento esportivo. Eles terminaram liderando o quadro de medalhas com 18 ouros, 16 pratas e 12 bronzes. Entre eles, a mão hábil conquistou 7 medalhas de ouro em 8 competições especializadas, a pista operacional ganhou 6 ouros em 12, e a competição atlética obteve 5 medalhas de ouro.

A mão hábil da equipe conjunta da Universidade de Wuhan e AgiBot pegou uma pequena colher, pesou 20 gramas de sal em 27 segundos, e também conseguiu usar pinças para pegar feijões e montar blocos de montar; o modelo Genie G2 entrou em um cenário de resgate de incêndio e também organizou livros em uma biblioteca; o modelo Expedition A3 completou facilmente movimentos de alta dificuldade como o chute externo de 540°...

Quem diria que, antes de competir, esses robôs ainda estavam trabalhando diligentemente na fábrica.

Esta é a primeira participação da AgiBot, e os modelos inscritos são todos máquinas de produção em massa, sem modelos personalizados feitos especificamente para a competição.

De "trabalhador" a "atleta", a AgiBot manteve seus genes de trabalho intactos, aproveitando ao máximo a experiência acumulada em cenários de aplicação reais, demonstrando a capacidade de implantação dos robôs em transição de "poder exibir" para "poder concluir trabalhos reais".

Sem mais delongas, a APPSO vai detalhar esse grande vencedor dos Jogos Mundiais de Robôs Humanoides e como eles dominaram o campo de competição.

Trabalhadores normais, atletas de elite nos últimos dias

Na cerimônia de abertura, o robô Expedition A3 da AgiBot e a campeã olímpica Ding Ning encenaram uma batalha humano-robô.

O tênis de mesa é provavelmente um dos esportes mais difíceis para os robôs "encenarem" bem. A velocidade da bola é alta, com muito efeito, e a janela de rebatida é calculada em milissegundos; o problema maior é que, do outro lado, há uma campeã olímpica que pode mudar de tática no momento e alterar o ponto de queda a qualquer hora.

O resultado desta partida foi que o Expedition A3 demonstrou uma capacidade de adaptação imprevisível.

Num segundo era um mestre do pingue-pongue, no seguinte o cenário mudou completamente —

Um mestre de Tai Chi entra em cena.

Na competição de artes marciais - Tai Chi, o Expedition A3 completou de uma só vez uma série de movimentos de alta dificuldade, incluindo voo com chute + chute externo de 450°, chute externo de 360° + postura do cavaleiro, chute externo de 540° + postura do cavaleiro.

Até os idosos que fazem exercícios matinais elogiariam: profissional.

Isso rendeu à AgiBot sua terceira medalha de ouro nos Jogos Mundiais de Robôs Humanoides deste ano.

A competição de Tai Chi, na verdade, não avalia apenas se o robô consegue executar os movimentos, o mais importante são três palavras: realista, estável e difícil.

Os braços, cintura e pernas não podem se mover de forma desconexa. A transição e o ritmo (rápido e lento) dos movimentos também precisam ser contínuos.

Tomando a postura do cavaleiro (Ma Bu) como exemplo, não basta apenas abaixar o corpo; é necessário controlar o joelho, o quadril e o tornozelo para suportar a força juntos. Se uma única articulação não acompanhar, a cena pode passar de "desempenhar com facilidade" para "tropeçar e cair".

Diante de novas rotinas como o Tai Chi, o A3 aprende principalmente as regras gerais de movimento a partir dos dados de movimento acumulados pela plataforma Lingchuang. O sistema continua a adaptar a trajetória e o ritmo dos movimentos com base nas capacidades motoras existentes.

Durante o treinamento, a AgiBot também utilizou o método Sim2Real. O robô pratica saltos, giros e aterrissagens em um ambiente de simulação. A equipe de engenharia pode ajustar os parâmetros de movimento e testar repetidamente diferentes estados.

Em seguida, a estratégia obtida no treinamento é transferida para o robô real. O atrito no mundo real, a folga nas articulações, os erros dos sensores e o impacto da aterrissagem diferem do ambiente simulado. O sistema de controle precisa de ajustes contínuos para que o movimento seja concluído de forma estável no robô real.

O que o Tai Chi prega sobre "expandir e retrair livremente", no caso dos robôs, é na verdade uma inspeção pública da estrutura do próprio robô e de sua capacidade de controle de movimento.

Além disso, a competição também decidiu a medalha de ouro na corrida de 100 metros com obstáculos, conquistada pela AgiBot Lingxi X2. Em estado de alta velocidade, a AgiBot Lingxi X2 completou simultaneamente uma série de ações, como desviar de obstáculos, cruzar barreiras e passar por espaços confinados.

Baseado em sua estrutura de motor cerebelar generalista AGILE autodesenvolvida, a AgiBot Lingxi X2 combina vantagens significativas de velocidade e excelente estabilidade ao passar por obstáculos irregulares, conseguindo tomar decisões autônomas ou semiautônomas em diversos terrenos.

Chegando às competições de cenário, era como entrar no território da AgiBot. Como "trabalhador" nativo, a AgiBot Genie G2, antes de participar dos jogos, já havia sido amplamente implantada em fábricas como Longqi e SAIC, possuindo uma "experiência de trabalho" muito rica.

A competição de cenário de emergência contra incêndio recriou um ambiente de incêndio real, onde os robôs participantes tinham que completar sequencialmente três tarefas principais: identificação de materiais perigosos, fechamento de válvulas anormais, e pegada do extintor com a extinção do fogo.

O extintor pesa de 4,5 a 5 kg, superando em muito o limite de carga das garras terminais da grande maioria dos robôs humanoides disponíveis no mercado atual.

A AgiBot não personalizou garras caras para isso, mas adicionou componentes estruturais no pulso, usando a própria resistência estrutural do pulso para enganchar o extintor e, em seguida, inseri-lo em um barril de suporte dedicado com inclinação de 20 graus no chassi, contornando habilmente o gargalo de carga com uma estrutura mecânica engenhosa.

Acompanhando este conjunto de movimentos está o sistema de teleoperação além da linha de visão autodesenvolvido pela AgiBot. O sistema faz o mapeamento de cinemática inversa baseado em soluções de VR, transformando os movimentos corporais do operador em instruções para o robô, e utiliza controle de corpo inteiro para mapear o movimento do operador para todo o robô, auxiliado por uma estratégia de controle de força. Isso permite que o robô tenha flexibilidade e tolerância a falhas ao entrar em contato com o ambiente, de modo que o operador não precise evitar deliberadamente cada colisão, tornando os movimentos mais naturais e contínuos.

No controle robótico tradicional, qualquer contato físico que exceda a trajetória predefinida pode acionar a proteção contra sobrecarga do motor da articulação, causando a parada do sistema.

Ao introduzir um algoritmo de controle de corpo inteiro baseado em feedback de força, a AgiBot permite que o robô, ao tocar em maçanetas, válvulas ou equipamentos de combate a incêndios, produza pequenas deformações elásticas semelhantes às articulações humanas, absorvendo assim a força de impacto gerada pela colisão.

A competição de cenário de biblioteca testa a estabilidade de todo o processo. A AgiBot formou uma equipe conjunta com a Universidade de Tsinghua e a Universidade Jiao Tong de Xangai para participar, precisando concluir três tarefas: transporte de saída, colocação de livros nas prateleiras e identificação e correção de livros mal colocados.

Na operação real de organização de livros, o reflexo da luz nas capas e a desordem na disposição dos livros impõem requisitos extremamente altos para o reconhecimento visual. O modelo visual adotado pela equipe conjunta não apenas consegue extrair informações de texto da superfície dos livros, mas também pode, de acordo com a espessura do livro...