15 июля на конференции RSS 2026 вручили премию Test of Time Award за работу «A Novel Type of Compliant Underactuated Robotic Hand for Dexterous Grasping». Статья была опубликована более 10 лет назад и оказала значительное влияние на сообщество робототехников. Авторы работы предложили новый подход — «форма как вычисление». Суть в том, что робот может автоматически определять позу захвата при контакте с объектом за счёт физической податливости аппаратуры — без сложного визуального восстановления и алгоритмов контроля силы.
Один из ключевых элементов подхода — метод ECP (Environment Constraint Utilization). Он меняет традиционное представление о предотвращении столкновений: робот активно взаимодействует с окружающей средой, используя физические ограничения (например, столы и стены) для выполнения задач. Яркий пример — робот RBO Hand. Он отличается низкой стоимостью: его можно отремонтировать за 5 долларов с помощью клея (стоимость самого клея — 5 юаней).
В демонстрационном видео RBO Hand одинаково эффективно захватывает яйца, тофу и нерегулярные детали, получая от системы управления одинаковые инструкции. Это доказывает, что морфология оборудования берёт на себя вычислительные задачи. Система выдаёт одинаковые управляющие команды (Actuation Commands) независимо от формы объекта, но поза захвата (Grasp Posture) меняется в зависимости от его геометрии — за расчёт позы отвечает «морфология» оборудования.
Рука использует пневматическую систему вместо традиционных двигателей. Её конструкция упрощена: пневматический привод — это полый воздушный мешок из мягкого силикона с красной двойной спиральной структурой (она подавляет радиальное расширение) и слоем «гибкой, но нерастяжимой» ткани в нижней части пальца.
Выпущено новое поколение RBO Hand 3. Оно демонстрирует возможность надёжного внутреннего управления без сложных датчиков и дорогостоящих вычислений. Рука обладает высокой обобщающей способностью по отношению к скорости, форме, размеру и весу объектов.
Развитие адаптивного манипулирования можно разделить на три поколения:
1. Первое поколение (Level 1): RBO Hand 1 — жёстко закодированные скрипты без сенсоров. Управление упрощается за счёт использования физических контактов («использование ограничений среды», Exploitation of Environmental Constraints).
2. Второе поколение (Level 2): в 2014 году Рафаэль создал руку по размеру своей ладони. Она имеет несколько степеней свободы и возможность предварительного изменения конфигурации (pre-shaping + shape adaptation). Здесь используется «физическое программирование» оборудования для адаптации к геометрии объектов.
3. Третье поколение (Level 3): экстремальное использование ограничений среды и обобщённое манипулирование. Демонстрируется бессенсорное чисто разомкнутое внутреннее манипулирование (In-hand Manipulation). Например, создаются слова «RBO» и «TU Berlin» в ладони без визуальной и тактильной обратной связи.
Исследование раскрывает закономерности ловкого манипулирования (Dexterous Manipulation), отмечает автор работы Оливер Брок. Соавтор работы Рафаэль подчёркивает, что цель учёных — оставить след в мире, а не получить богатство.
История развития адаптивности в робототехнике началась ещё в 1978 году с исследований Rosie и Tommy — физического захвата, способного охватывать объект. Лаборатория Antonio Bicchi разрабатывала Pisa/IIT Hand по схожей концепции. В 2011 году лаборатория George Whitesides из Гарварда продемонстрировала захват на основе мягкого силикона, способный бережно поднять сырое яйцо. Это продвинуло инженерное применение мягких роботов.
Анализ тысяч попыток захвата человека показал: в реальной практике приоритет отдаётся физическому взаимодействию с окружающей средой, а не чисто алгоритмическим расчётам. Например, пальцы сначала касаются поверхности стола, затем скользят по ней, перемещая объект в нужную позицию, а большой палец выступает в роли оси вращения.
Эксперты подчёркивают важность аппаратного обеспечения (Hardware Matters), разнообразных моделей (Models Matters), диверсификации подходов (Diversity Matters) и разделения на уровни абстракции (Abstractions Matters) для решения сложных задач. Вложение известных физических законов и структурных знаний в аппаратуру роботов позволяет сэкономить сотни миллионов долларов на вычислительных ресурсах (например, стоимость вычислительных мощностей за 10 лет — 30 тыс. долларов).
Matej Karlik, участвующий в обсуждении, отмечает, что идеи из работы 10‑летней давности до сих пор существенно влияют на отрасль. В 2014 году он работал над бессенсорным адаптивным захватом, но после знакомства с работой Оливера и Рафаэля переключился на направление датчиков — это определило будущее лаборатории на десятилетие. Matej Karlik указывает на связь исследования с «овеществлёнными большими моделями»: демонстрация RBO Hand 3 показывает, что аппаратное обеспечение с высокой физической пассивной адаптивностью может автоматически замкнуть контур и компенсировать ошибки. Это отличается от подхода больших моделей, которым для обучения замкнутой стратегии (Closed-loop Policy) требуется множество демонстраций (50–100).
Lucy Leichter, также участвующая в обсуждении, в 2014 году работала с человекоподобным роботом iCub над докторской диссертацией. Механическая рука iCub отличается сложным индустриальным дизайном, множеством тросов, шкивов и моторов — она дорога и ненадёжна. Большая часть времени при написании диссертации ушла на ремонт механических компонентов. В отличие от этого, система Рафаэля свободно взаимодействует с окружающей средой (например, берёт предметы и двигает пальцами по столу) без строгого контроля. Раньше при работе с высокоточными механическими руками приходилось постоянно держать руку на кнопке аварийного останова (E-stop) из‑за риска повреждения дорогостоящего оборудования.
Раньше на настройку PID‑параметров для 12 приводных двигателей iCub для выполнения простого захвата уходило сотни и тысячи часов. В то же время система Оливера использует единый разомкнутый контроллер для любых захватов. Подчёркивается важность подхода «воплощённого познания» (Embodiment): правильный выбор конструкции тела позволяет упростить инженерные задачи на уровне аппаратного обеспечения.
В статье представлена строгая таксономия захватов, основанная на биологических наблюдениях. Показано, что простая мягкая пневматическая рука за счёт предварительной формовки может воспроизводить большинство сложных режимов захвата человека. Рука успешно прошла тест Kampachi, определяющий пределы движений человеческой руки.
Оливер Брок указывает, что материалы для сборки руки (список покупок, чертежи для 3D‑печати, видео по сборке) доступны на официальном сайте. Опытные команды могут собрать её за неделю. Основная проблема внедрения — необходимость изменения традиционного мышления инженеров‑робототехников: вместо планирования пути, точного обхода препятствий и избегания столкновений нужно научиться «активно сталкиваться с миром» и использовать ограничения среды.
Ещё одно важное новшество — акустический датчик для мягких гибких рук. Традиционные энкодеры и дорогие GelSight‑датчики не подходят для таких рук: деформация силикона их разрушит. Акустический датчик устроен так: в полый палец помещают недорогой микрофон и динамик. Динамик воспроизводит звук определённой частоты, при деформации пальца звуковое поле внутри меняется, микрофон фиксирует изменения, а алгоритм с низкой вычислительной нагрузкой восстанавливает данные о точке контакта, моменте силы, давлении, температуре и свойствах материала объекта.
Ключевой вопрос следующего этапа исследований: когда необходимо использовать датчики с обратной связью? Ответ: когда преимущества физической гибкости исчерпаны. Это шаг для повышения надёжности промышленного применения после использования текущих возможностей аппаратной части.
Oliver Brock подчёркивает: решение — в абстрактных уровнях. Нужно использовать известные физические законы, а не только большие объёмы вычислений. В 2026 году интеллект — не только в накоплении вычислительной мощности: разумное аппаратное «тело» даёт свободу программной «душе». ：RSS：，
Подписаться в Макс
