超越人类极限：DEX-EE 机器手开启灵巧操控新纪元
人类双手的灵活性，从史前时代掌握工具到现代外科手术的精妙操作，无不体现着其非凡的意义。然而，要复制这种复杂性，赋予机器人类似人类的灵巧操控能力，一直是机器人领域的一大挑战。
Google DeepMind 致力于推动人工智能的边界，探索机器学习的无限可能。在机器人领域，他们将目光投向了 Shadow Robot 公司，这家公司以其精密的 Shadow Hand 机器手而闻名。DeepMind 希望打造一款能够在现实世界中学习的机器手，并为此与 Shadow Robot 携手，共同研发了 DEX-EE 机器手。
DEX-EE 并非简单地模仿人类手掌，而是以更强大的三指设计，并配备了密集的传感器网络，能够收集丰富的位置、力、惯性测量数据。每个手指上还拥有数百个触觉传感器，将压力感知能力提升到前所未有的高度，几乎可以媲美人类的触觉。
为了实现对力的精细控制，DEX-EE 采用了独特的腱驱动系统，每个关节由多个电机驱动，而非传统的单电机驱动。这种设计有效地消除了反冲，确保了平稳、精准的运动控制。DEX-EE 能够像人类一样，以极高的灵敏度操控物体，即使是极其精细的物件也能轻松应对。
由 Shadow Robot 与 Google DeepMind 机器人团队合作研发的 DEX-EE 灵巧机器人手。| 图片来源：Shadow Robot
为了满足 DEX-EE 对可靠性和性能的苛刻要求，Shadow Robot 选择了 maxon 电机作为驱动系统。maxon 电机以其卓越的性能和可靠性著称，能够满足 DEX-EE 在现实世界中应用的严苛要求。
DEX-EE 集成了 15 个 maxon DCX16 直流电机，这些电机能够提供高扭矩密度，确保机器手能够在腱索上施加足够的力，实现动态、强劲的运动。同时，这些电机体积小巧，能够完美地融入每个手指的基座。
maxon 电机的无铁芯绕组消除了传统铁芯设计带来的齿槽效应，确保了平稳、精准的运动，这对于 DEX-EE 完成极其精细的任务至关重要。高精度设计和制造工艺，以及优质材料的使用，确保了电机运行安静、耐用。
立即注册，享受 40% 的会议门票优惠！
DEX-EE 经过超过 1000 小时的测试，其性能和可靠性得到了充分验证。测试包括模拟策略学习过程，即人工智能通过反复随机运动探索如何有效地完成任务，这一过程也会对机器手造成机械压力。Shadow Robot 团队还对 DEX-EE 进行了高强度冲击测试，包括使用活塞和各种工具进行测试。
Google DeepMind 已经发表了研究成果，展示了 DEX-EE 的能力，包括一段视频，展示了机器手在狭窄空间内操作和插入连接器的能力。这个空间非常狭窄，机器手在移动时会不可避免地与空间壁面发生碰撞。这个任务突出了 DEX-EE 的鲁棒性，证明了它能够在反复碰撞中完成任务。
“Google DeepMind 将 DEX-EE 作为研究平台，用于研究现实世界中的学习，机器手的鲁棒性和灵敏度使其能够以传统机器人无法实现的方式与物体进行交互。” Walker 说。
DEX-EE 现在也作为研究平台提供给更广泛的机构。虽然 Shadow Robot 的创造是为了帮助我们更好地理解机器学习在日常生活中的应用，但 Walker 表示，未来，复杂的机器人手技术将越来越多地融入我们的日常生活。随着技术的普及，这些设备将不再被简单地称为“机器人”，而是成为我们生活中不可或缺的一部分。
“未来，从事机器人研究的人员将开发出我们日常生活中使用的设备。到那时，我们可能不再称之为‘机器人’。我们的认知可能不再像现在这样对机器人充满期待，但实际上，这些设备可能比我们最初想象的更有益于人类。”
本文最初发表于 The Robot Report 网站。
