日本H2L用腕部传感器记录用力：机器人学习走向视觉之外

思聪网 TechGG.com消息，日本H2L展示了BodySharing Physical AI，通过腕部传感器与摄像头记录人的动作和用力变化，再生成机器人控制所需的信息。

公司内部测试显示，双臂机器人利用15分钟演示数据，在方块和毛巾搬运整理任务中取得95%成功率，每个条件测试100次。Robotstart于10月15日报道了相关技术与测试细节。

这里的15分钟，是演示数据总时长，并非模型训练耗时。

采集时，操作者在手臂上佩戴FirstVR设备，摄像头记录姿态和运动。光学传感器读取肌肉膨胀变化，据此推测用力情况，让操作者可以保持素手作业。

使用 BodySharing® Physical AI 展示人类工作和机器人运动的图像。

抓握、举起和放置物体等动作不仅会改变你手部的运动方式，还会改变你施加的力的大小。H2L 的光学肌肉位移传感器会读取这些动作过程中肌肉的肿胀情况，并利用这种变化来估算你施加的力的大小。

图示说明如何使用光学肌肉位移传感器读取肌肉隆起情况。

用力信息是这套方法的关键。视频可以看见物体被拿起，却未必能判断抓握有多紧、接触后是否减力。对于会变形或容易滑动的物体，动作轨迹只描述了操作的一部分。

H2L获取的仍是推测值，不是直接测量手指受力或物体重量。人体信号还需要转换成目标机器人的控制信息，不能把人的肌肉变化直接当作机械关节指令。

测试也尚有明确范围。不同条件中的参与者数量和演示方式并不相同，无法只按数据分钟数比较学习效果。95%的结果适用于公司所设任务与环境，没有证明任意新物体都能得到同样表现。

公司已验证的设备包括xArm7和Sciurus17，后续计划扩大兼容范围。对于采用其他机械臂的团队，适配能力将是使用这套方法之前首先要确认的事项。