Pour apprendre à un robot à manipuler des objets délicats, ABB Robotics est allé chercher l’expertise là où on ne l’attendait pas : chez les utilisateurs de prothèses. Le géant suisse de l’automatisation s’associe à PSYONIC, une société californienne de bionique, pour exploiter les données de manipulation issues du quotidien de personnes amputées.
La main bionique au service du cobot
L’idée combine deux produits existants. D’un côté, l’Ability Hand de PSYONIC, une main prothétique bionique portée par des humains dans la vie réelle. De l’autre, le bras collaboratif GoFa d’ABB, un cobot conçu pour travailler aux côtés des opérateurs. En montant la main bionique sur le bras robotisé, les deux partenaires veulent transférer aux machines la finesse de geste que les porteurs de prothèses développent au fil des mois.
Chaque jour, un utilisateur d’Ability Hand génère des milliers de gestes de préhension : attraper un verre, tourner une clé, saisir une pièce de forme inhabituelle. Ces mouvements, captés par les capteurs de la prothèse, constituent un jeu de données de toucher et de mouvement bien plus varié que ce qu’une usine peut produire en environnement contrôlé.
Automatiser ce qui résistait à l’automatisation
L’objectif affiché est clair : donner aux robots la dextérité nécessaire pour l’assemblage complexe, notamment avec des pièces aux formes irrégulières. Ce sont précisément les tâches qui résistent encore à l’automatisation classique, où une pince rigide programmée échoue dès que l’objet change légèrement.
Les deux entreprises veulent explorer comment les données de toucher et de mouvement générées par l’usage humain d’une prothèse peuvent entraîner des robots à exécuter des gestes délicats et variables. En clair : transformer l’expérience tactile d’un humain en compétence transmissible à une flotte de machines.
Pourquoi c’est important
La préhension reste l’un des verrous majeurs de la robotique. Faire bouger un bras est résolu depuis longtemps, mais saisir un objet inconnu sans le casser demande un sens du contact que les robots peinent à imiter. En puisant dans les données d’utilisateurs de prothèses, ABB et PSYONIC tentent un raccourci original : apprendre du corps humain augmenté plutôt que de tout réinventer en laboratoire. Si la méthode tient ses promesses, elle pourrait accélérer l’arrivée de robots vraiment polyvalents sur les chaînes d’assemblage.
