Primate Gripper

Tragbare Datenerfassung für die Aufgabenautomatisierung

Der Roboter lernt von Ihren Handgriffen

Tragen→ Arbeiten→ Trainieren→ Einsetzen

Produkt

Der Mitarbeiter trägt ihn. Der Roboter übernimmt.

Während Sie den Greifer in der Schicht tragen, zeichnet er auf, was die Kameras sehen, wohin sich Ihre Hand bewegt und wann sich die Finger öffnen und schließen. Danach wird derselbe Greifer am Roboterarm befestigt, und der Roboter führt die Aufgabe aus.

Links eine menschliche Hand mit dem Greifer, rechts derselbe Greifer an einem Roboterarm

Handgeführter Greifer

Tragen Sie ihn, um den Roboter zu trainieren.

Drücken Sie eine Taste am Greifer, um die Aufnahme zu starten:

Position und Orientierung
Was die beiden Kameras sehen
Wann sich die Finger öffnen und schließen

Robotergreifer

Befestigen Sie ihn am Roboter, um die Aufgabe zu erledigen.

Dasselbe Gerät, das der Mitarbeiter trug
Führt die erlernte Aufgabe aus
Funktioniert mit jedem Roboter

Funktionsweise

Vom menschlichen Können zur Roboterfähigkeit.

Der Greifer zeichnet die normalen Aufgaben der Mitarbeiter auf, und der Roboter lernt aus diesen Daten.

Aufnehmen

Der Mitarbeiter trägt den Greifer und erledigt seine normale Arbeit. Ein Klick auf der Plattform startet die Aufnahme, und jedes Einzelbild erfasst, was die Kameras sehen, die Position und Orientierung des Greifers sowie den Öffnungsgrad der Finger. Sehen Sie, was aufgezeichnet wird ↓

Bewerten

Der Mitarbeiter sieht sich die Aufnahmen auf der Plattform an und benotet sie wie eine Leistungsbeurteilung. Er markiert Fehler, benennt jeden Schritt und bewertet, wie gut die Aufgabe ausgeführt wurde. KI-Kenntnisse sind dafür nicht nötig. Er braucht nur das Urteilsvermögen, das er bei der Arbeit einsetzt. Sehen Sie den Bewertungsbildschirm ↓

Trainieren

Der Mitarbeiter klickt auf der Plattform und trainiert den Roboter auf unserer Cloud-Infrastruktur. Der Kunde braucht dafür keine teure Hardware. Etwa 500 Aufnahmen genügen für eine Aufgabe. Sehen Sie den Beweis ↓

Einsetzen

Der Mitarbeiter klickt auf der Plattform Start an. Der Roboter führt die erlernte Aufgabe am Kundenstandort an einem handelsüblichen Roboterarm aus (ABB, KUKA, UR usw.). Wir bringen den KI-Rechner mit und den Roboterarm, wenn der Kunde keinen besitzt.

Verbessern

Der Roboter führt die Aufgabe aus. Wenn er gelegentlich einen Fehler macht, markiert der Mitarbeiter auf der Plattform, was schiefgelaufen ist, und klickt, um den Roboter erneut zu trainieren. Mit jeder Runde wird der Roboter zuverlässiger und schneller.

Aufnahme in Aktion

Linke Greiferkamera?Sicht der linken Greiferkamera.

Rechte Greiferkamera?Sicht der rechten Greiferkamera.

Außenansicht?Der Mitarbeiter bei der Aufgabe, von außen betrachtet.

3D-Position?Position und Orientierung jedes Greifers in 3D, live.

Linke Greiferkamerai

Sicht der linken Greiferkamera.

Rechte Greiferkamerai

Sicht der rechten Greiferkamera.

Außenansichti

Der Mitarbeiter bei der Aufgabe, von außen betrachtet.

3D-Positioni

Position und Orientierung jedes Greifers in 3D, live.

Bewertungsbildschirm

Qualitätsbewertung?Bewerten Sie jede Aufnahme wie die Arbeit einer Person.

Labels?Kennzeichnen Sie jede Aktion, damit der Roboter die Abfolge lernt.

Schrittleiste?Markieren Sie Start und Ende jedes Schritts, damit der Roboter die Abfolge lernt.

Fehlerleiste?Markieren Sie, wo die Aufgabe schiefgelaufen ist.

Qualitätsbewertungi

Bewerten Sie jede Aufnahme wie die Arbeit einer Person.

Labelsi

Kennzeichnen Sie jede Aktion, damit der Roboter die Abfolge lernt.

Schrittleistei

Markieren Sie Start und Ende jedes Schritts, damit der Roboter die Abfolge lernt.

Fehlerleistei

Markieren Sie, wo die Aufgabe schiefgelaufen ist.

Ein Ort für Aufnahme, Bewertung, Training, Einsatz und Verbesserung.

Ein Gerät, zwei Einsatzmöglichkeiten

Daten sammeln. Oder den Roboter direkt steuern.

Der Greifer erfasst seine Position und 3D-Orientierung präzise genug, um den Roboter in Echtzeit zu steuern. Tragen Sie ihn, um in der Produktion Trainingsdaten zu sammeln, oder halten Sie ihn, um den Roboter von Hand zu steuern.

Warum Primate

Vier Wege, einem Roboter etwas beizubringen. Drei scheitern in der Praxis.

Manche Methoden trainieren den Roboter in einer vereinfachten Nachbildung der Welt, nicht in der Fabrikhalle. Andere trainieren ihn an einer menschlichen Hand, nicht an seinem eigenen Greifer. So oder so lernt er die Aufgabe an einem fremden Ort und in einem fremden Körper.

Methode	Funktionsweise	Praxistest
Simulation	Der Roboter wird in einem Physik-Simulator trainiert, der Objekte, Materialien, Kontakte und Dynamik approximiert.	Verformbare Materialien wie Stoff, Schaum, Lebensmittel, Flüssigkeiten und Phänomene wie Bruch lassen sich nur mit hohem Aufwand oder gar nicht präzise simulieren. Für jedes Element in der Simulation muss der Benutzer exakte Parameter wie Reibung, Steifigkeit und Masse festlegen. Diese Parameter unterscheiden sich höchstwahrscheinlich von der Realität.
Teleoperation	Eine Person steuert den Roboterarm mit einem Joystick und führt damit eine Aufgabe aus.	Weil der Bediener einen Joystick statt seines eigenen Arms verwendet, ist die Bewegung unnatürlich. Der Bediener hat nicht die volle Kontrolle und bewegt den Roboter langsam, um Schäden zu vermeiden. Diese Vorsicht übernimmt der Roboter. Jeder Roboter braucht einen Bediener, solange Daten erfasst werden.
Lernen aus Videos	Der Roboter wird mit Videos menschlicher Hände trainiert, die aus öffentlichem Filmmaterial oder von einer am Körper getragenen Kamera stammen.	Die menschliche Hand ist weitaus komplexer als jede Roboterhand, daher gibt es selbst bei fünffingerigen Roboterhänden eine Embodiment-Lücke. Objekte verdecken die Finger während der Manipulation, sodass sich die Pose der Finger nur schwer ableiten lässt. Videos liefern niemals Kraft- oder taktile Daten – das ist ein Modalitätsproblem. Sehen Sie, wie es passiert ↓
Primate Gripper	Ein Mitarbeiter trägt den eigenen Greifer und die Sensoren des Roboters, während er die tatsächliche Aufgabe erledigt.	Es gibt keine Embodiment-Lücke, weil die Trainingsdaten von derselben Hand und denselben Sensoren stammen, die der Roboter nutzen wird. Die Arbeit ist die reale Aufgabe des Kunden während der echten Produktion – keine Attrappe, kein Ersatz und keine Simulation.

Einsatzgebiete

Ernsthafte Arbeit. Einfacher Greifer.

Ein Zweifinger-Greifer kann bereits viele wertvolle Aufgaben bewältigen, zum Beispiel Kommissionieren & Verpacken im Lager und die Montage von Lebensmitteln.

Mitarbeiter mit Zweifinger-Greifern kommissioniert und verpackt einen Karton im Lager

Kommissionieren & Verpacken

Mitarbeiter mit Zweifinger-Greifern montiert einen Burger in einer Küche

Montage von Lebensmitteln

Roadmap

Über den Greifer hinaus.

Der Greifer bewältigt bereits Aufgaben wie Pick-and-Place und Montage. Der Handschuh ist der nächste Schritt: Er gibt dem Roboter eine Geschicklichkeit, die der menschlichen Hand näherkommt, und erschließt neue Aufgaben ohne zusätzliche Verzögerungen. Der Mitarbeiter trägt einen Handschuh, der Roboter seinen Zwilling. Beide nutzen dieselbe Kinematik sowie dieselben Sensoren und Kameras, sodass Fähigkeiten direkt von der menschlichen Hand auf die Roboterhand übergehen.

Sobald die Hände geschickt genug sind, muss der Roboter sich auch in der Anlage bewegen können. Einige unauffällige Sensoren lassen sich an der normalen Kleidung des Mitarbeiters anbringen und bilden einen Sensoranzug, der keine spezielle Ausrüstung benötigt. Der Anzug zeichnet die Ganzkörperbewegung während normaler Aufgaben auf. Er erfasst, wie der Mitarbeiter Bewegung und Manipulation von Objekten koordiniert, ohne die Arbeit zu verlangsamen oder die Routine zu ändern. Humanoide Roboter brauchen diese Daten, um zu laufen, das Gleichgewicht zu halten, Objekte zu handhaben und in menschlicher Umgebung zu arbeiten.

Sensorhandschuh-Prototyp mit blauen Rückenplatten und Handgelenkmodul

Ein Mitarbeiter in einem Sensoranzug geht, während ein humanoider Roboter dieselbe Bewegung spiegelt

Team

Entwickelt von Robotikern.

Luigi Campanaro

Mitgründer & CEO

PhD, Robotik & KI · University of Oxford.
Postdoktorand · EPFL.
Entwickelte einen der ersten drei Lokomotions-Controller mit Reinforcement Learning für Laufroboter im Vereinigten Königreich.
Entwickelte die KI, die das Einsetzen von Telefonen in Ladegeräte für eine Produktionslinie mit hohem Stückvolumen automatisierte. Der Roboter absolvierte 550 aufeinanderfolgende Zyklen fehlerfrei. Video ansehen ↓

Lokomotions-Controller · RL-Demo ↗

Axel Praplan

Mitgründer & CTO

MSc in Robotik · EPFL.
Forschungsingenieur für Robotik · EPFL.
Baute einen kompletten seilgetriebenen humanoiden Roboter von Grund auf: mechanische Konstruktion, Aktorik, Steuerung, Integration.
Umfassende Expertise: Hardware-Entwicklung, Mechatronik, Rapid Prototyping.

Seilgetriebener Humanoid · von Grund auf gebaut ↗

Berater

Prof. Daniele De Martini

Professor für Robotik

University of Oxford

Leitet die Mobile Robotics Group in Oxford gemeinsam mit Prof. Paul Newman (Gründer und CEO von Oxa). Seine Forschung zu robotischer Wahrnehmung und Autonomie ermöglicht es Robotern, die Welt auch unter den anspruchsvollsten Bedingungen zu navigieren und zu interpretieren.

Prof. Perla Maiolino

Professorin für Robotik

University of Oxford

Stellvertretende Direktorin des Oxford Robotics Institute. Sie entwickelte CySkin, eine der wenigen großflächigen Roboterhäute. CySkin gibt Robotern den Tastsinn, der sichere, intelligente Manipulation ermöglicht.

Alf Müller

Unternehmer im digitalen Handel

Mitinhaber, Purecrea GmbH / Bastelgarage.ch

Schweizer Unternehmer und Maker, Mitinhaber der Purecrea GmbH, der Firma hinter Bastelgarage.ch, einem der größten Schweizer Online-Shops für DIY-Elektronik, Robotik und Maker-Produkte. Er verbindet E-Commerce mit praktischer Ingenieursarbeit, Rapid Prototyping sowie Robotik, Elektronik und KI.

Loslegen

Wandeln Sie Ihre Arbeit in Roboterfähigkeiten um.

Reservieren Sie jetzt Ihre Einheiten. Oder vereinbaren Sie einen Termin, um zu besprechen, wie unser Greifer Ihre Aufgaben automatisieren kann.

Jetzt bestellen → Termin vereinbaren