以自主研發的機器人基礎模型(RFM)「RLDX-1(RealDex)」為核心,引領 Physical AI 創新的 Real-World(RLWRLD,總部:美國,代表:柳俊熙/日本法人:東京都千代田區,代表:李勳)宣布,公開了名為「All Hands Up!」的網站(www.allhandsup.org)。該網站基於市售多關節機器人手臂(Dexterous Robot Hand)的實際運用數據,整理了設計的實質限制與權衡取捨,並提供技術報告及視覺化功能。 「All Hands Up!(All Hands Up!)」是一個分析並公開機器人手臂實際操作性能與設計上權衡取捨的平台,這些資訊難以僅從製造商提供的規格表中得知。為了回答研究與產業現場反覆提出的「哪款機器人手臂能在實際環境中有效運作?」這個問題,本公司基於至今為止的實際運用數據,開發並公開了此網站。 ■ 機器人手臂設計中的結構性「權衡取捨」 機器人手臂被認為是 Physical AI 的核心要素,但由於尺寸、夾持力與逆向驅動性(Backdrivability)之間存在結構性的權衡取捨,目前難以開發出能同時滿足所有性能的產品。 尺寸與夾持力的關係: 機器人手臂的尺寸小型化後,內部驅動馬達也會變小,導致握力(夾持力)下降。 夾持力與逆向驅動性的關係: 為了提高力量而增加齒輪比(與馬達嚙合的齒輪比例)時,夾持力會增強,但對外部力量或衝擊做出靈活反應的特性「逆向驅動性」會下降。 如此一來,由於存在一方改善則另一方犧牲的限制,目前的市售產品都面臨著與設計目的相應的限制與權衡取捨。 ■ 透過自主基準測試「DexBench(DexBench)」提供客觀指標 Real-World 為了更精確地評估實際任務執行能力,整理了影響現場作業效率的主要設計變數。 拇指的可動範圍(Kapandji Scale) 指尖關節(遠位指節關節/DIP關節)是否可獨立驅動 最小可夾持直徑(機器人手臂能抓取的物體的最小直徑) 手臂外殼材質的摩擦特性 除此之外,還利用自主基準測試「DexBench(DexBench)」,以 18 種實際世界操作任務為基準,對各機器人手臂的特性與極限進行定量分析。 ■ 針對「不存在完美手臂」的現實提出的「硬體二元化」策略 本公司基於「完美機器人手臂尚不存在」的現實,提出了根據用途將硬體二元化運用的務實策略。 現場部署用(Type 1): 考量實際產業環境,優先考量輕量性與高耐久性的實用導向結構。 學習數據收集用(Type 2): 具備高逆向驅動性與精密性,能實現 AI 學習所需的細微操作與數據獲取的結構。 我們認為,相互輔助運用這兩種類型,是目前機器人手臂開發的最佳方法。 ■ 可在網頁瀏覽器上驗證的「URDF基礎視覺化功能」 「All Hands Up!」提供基於 Real-World 所評估的機器人手臂 URDF(機器人描述標準格式)的互動式視覺化資訊。 使用者無需昂貴的專業程式或個別開發環境,即可透過網頁瀏覽器上的滑鼠操作,事先驗證能否透過移動多個機器人手臂的各個關節,來實現目標的夾持形狀(抓取物體的形狀)。此外,除了可比較各產品的主要規格外,也提供可直接用於實際機器人模擬與開發的 URDF 數據(目前收錄了 10 種以上多關節機器人手臂的數據)。 ■ Real-World 代表 柳俊熙 評論 「『All Hands Up!』不僅僅是一個產品比較網站,更是將機器人手臂技術的實際運用數據與整個產業界共享的開放平台。我們不會僅止於一次性的發布,而是透過每季度的定期內容更新,持續累積最新的機器人手臂實證數據。藉此,製造商可以驗證自家設計,研究人員與產業夥伴則能確立導入機器人手臂的明確標準。透過提供共同的標準點,我們將為機器人手臂開發生態系的發展做出貢獻。」 ■ 關於 Real-World(RLWRLD) Real-World 是一家 Physical AI 公司,致力於開發將人類等級的手部動作能力與認知能力植入機器的機器人基礎模型(RFM)。公司成立於 2024 年,在美國、韓國、日本設有辦事處。以自主研發的高精度 4D+多模態產業數據收集與學習系統為基礎,引領著產業環境中的機器人如同人類般感知、理解並行動的技術。目前,正基於與韓國、日本主要企業的試點專案推進商業化,目標是成為產業用機器人 AI 領域的全球領導者。 成立: 2024 年 據點: 美國、韓國、日本 事業內容: 機器人基礎模型(RFM)的開發、Physical AI 解決方案的提供 官方網站: www.allhandsup.org(本平台特設網站) 官方HP:https://www.rlwrld.ai/jp