2026-03-10 | 광주=박지훈 기자

能插拔插头、更换电池的AI机器人“大步走来”…“制造业革新”

本页标题和正文均由AI机器翻译,未经人工审校。准确内容请以韩文原文为准。

光州科学技术院(GIST)AI融合学系李奎彬教授(人工智能研究所所长)研究团队10日表示,已开发出能够学习人触摸物体时感受到的力觉、从而完成精密作业的人工智能(AI)技术。

该技术的特点在于,让系统不仅学习人作业时用眼睛看到的信息,还同时学习指尖感受到的力和接触感觉。为此研究团队一并开发了“手部力量测量装置”和“频率感知速度—感觉融合AI模型”,受到关注。

在制造、电子、汽车产业中,机器人要代替人手完成插装齿轮、连接插头、更换电池等精密操作作业。

研究团队开发的“手部力量测量装置”在原样记录人直接用手作业过程的同时,同步采集△两台摄像机拍摄的作业影像△手腕上传感器测得的力与旋转力△手的运动与位置信息等。

特别是影像每秒测量30次、力信息每秒测量200次以上,不仅能记录肉眼可见的场面,还能精密记录指尖产生的细微力量。

此外,还应用了精确追踪物体与手位置的“3D标记”以及消除装置自身重量所产生力的“装置重力补偿功能”,设计上可精密测量仅由实际接触产生的力。

该装置并非以远程操控机器人的方式,而是能够原样记录人直接用手操作物体的自然动作,这一点也与既有数据采集方式形成差异。

为解决影像与力数据记录速度不一致的问题,研究团队还一并开发了“频率感知速度—感觉融合AI模型”。

影像每秒测量30次,力数据每秒测量200次以上,因此两类数据的时间间隔互不相同。FMT是分别分析这些不同传感器频率的数据后,再进行比较与整合学习的AI模型。

由此,机器人可同时理解物体位置与接触状况,在接触较多的精密操作作业中也能实现更稳定的动作。

研究团队通过实际机器人实验验证了△齿轮组装△翻箱△插入电池△连接网线插头△开盖△拆卸电池等6项作业。各项作业分别执行20次的结果显示,平均成功率约为83%。这较仅使用RGB摄像机影像的既有方式(约20%水平)有大幅提升。

李奎彬教授表示:“本研究克服了以往仅依赖摄像机影像的机器人学习方式的局限,提出了可有效利用力觉数据的新型AI学习框架”,“期待今后不仅在制造现场的零部件组装或连接器紧固,还能在家庭环境中的电池更换、电子设备零部件组装等需要精细力控制的各类领域,使机器人应用迈上新台阶”。

另外,本次研究由GIST AI融合学系李奎彬教授指导、AI融合学系博士生李健协等执行,获得了韩国产业通商资源部和韩国研究基金会机器人产业技术开发事业的支持。

阅读韩文原文