La plupart des robots industriels traitent toujours la saisie comme une réflexion mécanique après coup, une seule pincement se fermant sur des pièces d’usine qui arrivent parfaitement alignées. Pourtant, l’économie réelle est encombrée de tasses à café, de câbles emmêlés et d’électronique appassée aux cloques qui exigent le type de nuls du doigt que seuls les humains fournissent actuellement. Ruka, une main humanoïde nouvellement ouverte de l’Université de New York, reflète ce défi avec une question simple: et si un laboratoire pouvait imprimer en 3D une main de taille humaine pour le prix d’un ordinateur portable médian, le former avec des gants de mouvement hors tension hors de la soi-disant et plus?
La proposition est importante parce que la manipulation dextéreuse est le lien manquant entre les cobots à un seul malentissement actuels et les machines véritablement collaboratives de demain. Une main compacte, à faible coût et prêt à l’apprentissage pourrait débloquer de nouvelles gammes de produits dans la logistique, les soins de santé et la robotique grand public, où la facture de matériel est sous le contrôle implacable. En couplant une conception axée sur les tendons avec des contrôleurs pilotés par les données, le Projet Ruka Montre que les compromis habituels – la préparation par rapport à l’abordabilité, la force contre la taille – peuvent être renégociés lorsque l’apprentissage automatique gère les non-linéarités qui punissaient l’actionnement à faible coût.
Pourquoi la dextérité coûte toujours une fortune
Les mains robotiques héritées supposaient que le contrôle précis du couple nécessitait de placer un moteur et un encodeur dédiés à l’intérieur de chaque articulation. Cette architecture a amélioré la prévisibilité cinématique, mais a gonflé les limites, poussant les poignets vers des proportions de dessins animés et augmentant les prix de détail au-dessus du budget de recherche de la plupart des universités. Les tentatives de déplacement des moteurs vers la force de l’avant-bras et de l’itinéraire à travers les tendons ont créé des profils plus minces, mais ils ont introduit des élasticités que les contrôleurs de PID conventionnels ont du mal à linéariser. Au sommet de la pyramide se trouve la main de l’ombre, une merveille axée sur les tendons avec 22 degrés de liberté qui porte également un prix à six chiffres et un fardeau d’entretien qui encourage les opérateurs à conserver une deuxième unité en attente pour les pièces de rechange.
L’équipe de NYU confronte cette impasse de l’industrie à trois paris stratégiques. Premièrement, la fidélité anthropomorphe n’est pas négociable car elle simplifie le transfert des démonstrations humaines aux articulations du robot, éliminant les pipelines de reciblage coûteux. Deuxièmement, l’apprentissage peut mieux modéliser le relâchement du tendon, l’hystérésis et la friction que n’importe quelle bibliothèque cinématique inverse fabriquée à la main. Troisièmement, le matériel doit être bon marché et remplaçable afin que les laboratoires se trouvent sans crainte de tests destructeurs.
À l’intérieur du livre de jeu Hardware Ruka
La facture de matériaux de Ruka est en plein essor à 1300 $ pour la construction premium ou aussi bas que 500 $ avec des options d’actionneur dynamixel plus légères. Tout ce qui est structurel provient d’une imprimante 3D de qualité consommatrice en moins de vingt heures: os PLA pour la rigidité et les coussinets TPU pour les surfaces de contact conformes. Les servos intelligents de onze dynamixels migrent vers une baie d’avant-bras ventilée, conduisant quinze articulations à travers la ligne de pêche tressée à tressage à haute tension filetée dans des manchons PTFE à basse fonction. Les ressorts intégrés dans les phalanges fournissent une extension passive, réduisant le nombre de moteurs actifs sans compromettre la boucle à 120 degrés des articulations distales.
Les dimensions reflètent une main humaine adulte – de 18 cm de long – donc des gants de téléopération, des accessoires de fabrication et des outils de tous les jours sans adaptateurs de mise à l’échelle. L’assemblage nécessite environ sept heures, les inserts de thermos et un fer à souder. Brisez une articulation lors d’un test de chute et l’ensemble du module se dévisse pour le remplacement en vingt minutes, un exploit de serviabilité qui contraste frappant avec les manipulateurs commerciaux monolithiques.
Métriques de performance Racontez l’histoire plus profonde. Ruka soulève six kilogrammes dans une saisie de puissance, délivre 2,74 newtons de force de pincement et résiste à 33 tons de Newtons avant les glissades du bout des doigts – un balayage propre sur le saut, les allegro et les mains d’Inmoov testées sous des protocoles identiques. Les journaux thermiques montrent que les moteurs se stabilisent bien en dessous des températures critiques même après une course non-stop de vingt heures, une fenêtre opérationnelle assez longue pour les décalages d’entrepôt ou les expériences de laboratoire de nuit.
L’apprentissage remplace la cinématique
La dynamique du tendon brise le lien mathématique rigide entre l’angle moteur et la position du bout des doigts que la robotique classique attend. Plutôt que de boulonner les encodeurs sur chaque joint, l’équipe Ruka a attaché des gants de capture de mouvement Manus directement à la main propulsée. En commandant de manière procédurale des positions de moteur aléatoire et en enregistrant les coordonnées cartésiennes du bout des doigts résultantes à 15 Hz, ils ont généré des centaines de milliers de paires étiquetées sans supervision humaine. Un LSTM léger code les dix derniers vecteurs d’état et alimente un MLP qui produit des cibles motrices, s’entraînant contre l’erreur carrée moyenne en moins d’une heure sur des GPU standard.
Le résultat est un contrôleur en boucle fermée qui résout les cibles du bout des doigts aux actionnaires à moins de cinq millimètres sur les robots qu’il n’a jamais vus. Un script de calibrage automatique effectue une recherche binaire pour les étendues de chaque tendon pendant le démarrage, compensant la variation de tension à travers les nouvelles constructions. Lorsque le même réseau téléopère une autre main fraîchement imprimée, la dérive de position moyenne reste sous trois millimètres – suffisamment pour les tâches PEG-in-trous ou la conduite à vis.
Pour illustrer le transfert de compétences, les chercheurs ont nourri des vidéos de démonstration humaine via le cadre Hudor, qui convertit les trajectoires visuelles en scripts moteurs en boucle ouverte, puis apprend une politique résiduelle qui corrige les erreurs en ligne. Ruka Mastered Cube Flipping and Bread Transpord Tâches dans quarante épisodes, atteignant une vitesse de téléopération de 25 Hz. Ces exploits soulignent un changement de stratégie: au lieu de chasser des modèles paramétriques de plus en plus grands, les développeurs peuvent investir des cycles de calcul inactifs dans la collecte de données hors ligne qui donne des contrôleurs compacts et spécifiques aux tâches.
Une matrice de gain stratégique
Le coût, la force, la précision et l’anthropomorphisme définissent un espace commercial à quatre voies où les mains traditionnelles ancrent les coins séparés. La pile du tendon-apparence de Ruka déplace la frontière faisable vers l’extérieur. La matrice de paiement ci-dessous décrit le calcul de décision révisé pour les équipes d’ingénierie:
- Haute précision requise, budget flexible – Le tracteur direct reste prudent pour la microchirurgie ou l’alignement des semi-conducteurs.
- Interaction humaine-out, budget modéré – Les mains de la classe Ruka offrent une portée anthropomorphe et un couple respectable, une baisse du temps d’intégration.
- Logistique de charge utile lourde – Les pinces à mâchoires parallèles dominent toujours le coût par kilogramme transporté.
- Manipulation douce et délicate – Les doigts pneumatiques ou remplis de gel gagnent sur la conformité, bien que les capteurs et la formation mûrissent.
Pour les OEM évaluant une nouvelle gamme de produits, Ruka déplace le point d’équilibre: un lot pilote de dix mains coûte à peu près ce qu’un manipulateur commercial premium a fait en 2023, mais offre une dextérité comparable. Les établissements d’enseignement gagnent une plate-forme que les étudiants de premier cycle peuvent imprimer, assembler et calibrer dans un semestre, accélérant les cycles de preuve de concept.
Où Ruka s’intègre ensuite
Premièrement, le projet invite fusion du capteur. Le boîtier de l’avant-bras abrite déjà des bus d’électricité et de communication; Les chercheurs peuvent glisser des tableaux capacitifs ou de pression sous les coussinets TPU et étendre le pipeline d’apprentissage aux entrées tactiles, permettant le pick-et-place de la glissière sans caméras.
Deuxièmement, les fichiers CAO ouverts encouragent fourchettes spécifiques à l’application. Une variante alimentaire pourrait remplacer les liaisons en acier inoxydable pour PLA pour survivre aux lave-vaisselle. Un grasper chirurgical pourrait réduire les actionneurs de taille mais superposer des revêtements biocompatibles.
Troisièmement, la stratégie s’étend à locomotion bipède. Si les mains axées sur les tendons peuvent être apprivoisées par l’apprentissage, les chevilles et les genoux de travail des tendons deviennent plausibles pour les humanoïdes légers, réduisant l’inertie des membres et le nombre de moteurs tout en conservant la force.
Enfin, Ruka démontre une vérité sous-estimée en économie de la robotique: Les pièces bon marché deviennent des pièces premium une fois que la pile de contrôle comprend leurs caprices. L’apprentissage transforme la ligne de pêche en un actionneur de précision et imprime la durabilité en PLA. Ce faisant, il retourne le scénario de développement, centrant l’innovation logicielle sur l’exotique métallurgie.
Sleep-Time Compute: Rencontrez le LLM qui pense pendant que vous dormez
Prise à emporter pratiques pour les équipes de robotique:
- Comparez votre conception de la main contre une base d’apprentissage, pas seulement les spécifications du moteur. Les non-linéarités du tendon ont autrefois disqualifié des conceptions à faible coût; Les contrôleurs axés sur les données effacent désormais une grande partie de ce déficit.
- Investissez dans des pipelines de données automatisés. L’équipe NYU a collecté des traces de mouvement de manière autonome, en évitant le goulot d’étranglement de l’annotation qui ralentit l’apprentissage du renforcement pour la manipulation.
- Planifiez des unités rechargeables sur le terrain. L’échange rapide des pièces a augmenté la disponibilité expérimentale et devrait être pris en compte dans toute feuille de route commerciale.
- Exploiter l’anthropomorphisme pour la formation des utilisateurs. Une main qui s’adapte aux gants de téléopération hors talon simplifie les flux de travail en boucle humaine et accélère la capture de démonstration.
Ruka est un matériel ouvertement sous licence, une CAD détaillée et un firmware reproductible plutôt qu’un produit en boîte. Ce choix graines un écosystème dans lequel les laboratoires itérent sur les matériaux, ajoutent des capteurs et publient des points de contrôle du contrôleur que les autres s’adaptent. La valeur immédiate est une entrée sous-mille-mille dans la recherche avancée de manipulation. La signification à long terme est une preuve architecturale: les algorithmes d’apprentissage peuvent muscler les compromis physiques qui ont autrefois conduit les prix des mains robotiques dans la stratosphère. Pour les startups et les universitaires, le message est clair. Avant de commander des liens de titane sur mesure, essayez d’imprimer une main, apprenez-le à réfléchir et voyez jusqu’où le tendon et le code peuvent vous emmener.
