模型可以生成动作，但硬件必须执行这些动作。 |图片来源：OnRobot
物理AI有望让机器人能够在现实世界中感知、行动和适应，而与传统自动化相比，其特定于任务的工程要少得多。这是一个令人信服的主张：由人工智能模型驱动的机器人经过大量数据训练，能够随着时间的推移不断改进，并在结构化程度低得多的环境中有效运行。但我们如何到达那里呢？
随着人工智能系统从数字世界转向物理世界，新的要求出现了。智能模型和控制策略仍然至关重要，但它们只是其中的一部分。机器人最终通过与物体直接接触的夹具、传感器和工具与物理世界进行交互。
为了让物理AI兑现其承诺，它需要一个可靠的物理交互层： 末端执行器工具 （EOAT）结合了适应性、传感和反馈，使机器人能够有效地应对不确定性和变化。
在为物理AI驱动的机器人应用选择合适的 EOAT 时，这四个要求至关重要。
1. 适应现实世界变化的能力
在现实世界中 制造业 环境中，机器人需要处理零件、定位和操作条件的变化。物理AI有望以更少的努力来处理更多的这种变化。随着多模态基础模型、世界模型、机器人学习、仿真和其他领域的进步使机器人的能力越来越强，执行层的重要性也越来越大。
这里的处理是关键。如果 EOAT 无法可靠地处理零件尺寸、形状和材料的变化，则该模型的智能实用价值有限。
具有可调节抓取参数的夹具以及适应不同零件和条件的灵活性为系统提供了更大的自由度，可以将智能付诸实践。
2. 更强大的模型需要可靠的执行层
模型可以生成动作，但硬件必须执行这些动作。模型可以推断应该拾取某个物体，但物理夹爪必须进行接触、施加正确的力、检测物体是否安全，并在发生变化时做出响应。每一次。
与现实世界的操纵相比，机器人运动相对成熟。这是因为操纵依赖于无法消除且无法完美建模的物理变量。
这使得基本的执行反馈变得至关重要。抓握和零件检测可以确认物体是否存在以及抓握是否已成功完成，从而向系统发出直接信号，表明预期动作实际发生。
夹具和工具决定了机器人的功能以及它与物理世界的交互方式。有限的工具意味着有限的实用功能，而灵活的、具有反馈功能的工具则扩大了系统可用的选项范围。
3.需要丰富的接触数据来补充模拟和视觉
模拟允许团队快速训练、测试和迭代。视觉帮助机器人识别物体、理解场景并计划行动。两者对于物理AI都很重要，但都没有完全捕捉到机器人与物体进行物理交互时发生的情况。
可靠的操纵还需要物理反馈。拿起物品需要多大的力量？什么是接触动力学——包括摩擦、滑动和变形？仅在模拟中很难重现这种类型的关键反馈。由于现实世界的不确定性和可变性，在模拟中有效的把握在实践中仍然可能失败。
OnRobot 的 RG2-FT 将抓取功能与内置力/扭矩和指尖接近感应结合在一起。该反馈支持不确定情况下的精细处理、零件交接、插入、对齐和操作。 |图片来源：OnRobot
虽然摄像头可以定位物体，但它不能总是确定物理交互过程中发生的情况。它还可能会错过细微的滑动、不对称接触、插入阻力和过度用力。这些限制使得 EOAT 的多模态反馈成为物理AI的重要组成部分。
不同形式的传感在交互的不同阶段提供信息：接近传感在机器人接触之前提供数据。力/扭矩传感可以在接触过程中提供信息。与握力检测和成功或失败信号一起，这使系统能够更丰富地了解操作过程中发生的情况。
对于基于学习的系统，接收此交互数据可以极大地改进培训、验证和故障分析。
4. 物理AI需要整个工具层的灵活性
物理AI通常与通用机器人联系在一起，但通用并不意味着单个末端执行器可以执行每种类型的物理交互。
不同的对象和应用程序需要不同的交互模式：
- 2 指夹具适合各种搬运任务
- 3 指夹具可在广泛的夹持范围内自动对中夹持圆柱形零件
- 真空和磁性工具为合适的表面和材料提供了替代的抓取方法
- 力/扭矩传感器为接触丰富的任务提供反馈
- 工具更换器允许机器人在末端执行器之间切换
在实践中，物理AI需要硬件灵活性和软件灵活性。具有统一界面的广泛 EOAT 产品组合可以适应不同的交互模式，同时使机器人更容易在工具之间切换。
为实验室和固定结构之外的世界而构建物理AI的下一阶段将依赖于更强大的模型、更好的数据、改进的模拟和功能更强大的机器人平台。它还将取决于由夹具、传感器、工具更换器和臂端技术组成的物理交互层，使模型能够在现实世界中可靠地运行。
末端执行器工具不再只是添加到机器人的最后一个组件。它们是高级学习系统不可或缺的一部分。