- Zwei Arme mit 7 Freiheitsgraden Sieben Freiheitsgrade pro Arm bieten die Reichweite und Ausrichtung, die Geräte und Arbeitsflächen verlangen.
- Vier lenkbare Räder Die Basis fährt auf lenkbaren Rädern zwischen den Stationen, statt zu laufen, und hält so den technischen Aufwand im Oberkörper.
- Klappbarer Unterkörper Der Unterkörper lässt sich einklappen und erweitert so die Arbeitshaltungen für niedrige und erhöhte Aufgaben.
- Ganzkörpersteuerung mit 100 Hz Ein per Reinforcement Learning in der Simulation trainierter Controller wandelt Zielvorgaben im Aufgabenraum hundertmal pro Sekunde in Gelenkziele und Radgeschwindigkeiten um.
- Workflow-Orchestrator Eine Vision-Language-Ebene entscheidet über die nächste Tätigkeit und führt ein Textgedächtnis von Beobachtungen wie Maschinenzustand und Stückzahlen.
- Fehlerbehebung Einen Griff wiederholen, einen unterbrochenen Vorgang korrigieren und auf einen fallen gelassenen Gegenstand reagieren gehören zum Betrieb eines langen Workflows.
- Lernen aus menschlichem Video Eine Unified Robot Representation beschreibt Bewegung als Posen im Aufgabenraum, sodass menschliche Aufnahmen eine Policy vortrainieren, die Roboterdemonstrationen anschließend anpassen.
Beschreibung
Taku ist der semihumanoide Roboter auf Rädern von Dyna Robotics und wurde als Hardware für den physischen Agenten Dyna-2.1 des Unternehmens vorgestellt. Zwei Arme mit je sieben Freiheitsgraden sitzen an einem menschenähnlichen Oberkörper über einer Basis mit vier lenkbaren Rädern, und ein klappbarer Unterkörper erweitert die möglichen Arbeitshaltungen für niedrige und erhöhte Aufgaben. Der Körper ist etwa auf die Maße eines durchschnittlichen Menschen ausgelegt; genau das macht menschliche Handgelenk-, Ellbogen- und Brustbewegungen als Trainingsmaterial nutzbar.
Die beiden Namen bezeichnen verschiedene Dinge, und bei der Spezifikation eines Systems sollte man sie auseinanderhalten: Taku ist der Roboter, Dyna-2.1 der Agent, der ihn steuert. Der Agent gliedert sich in drei Ebenen. Ein Ganzkörper-Controller, per Reinforcement Learning in der Simulation trainiert, wandelt Zielvorgaben im Aufgabenraum mit 100 Hz in Gelenkziele und Radgeschwindigkeiten um. Eine Dyna-2-Aktionspolicy erzeugt die Trajektorien für physische Fertigkeiten. Ein Vision-Language-Workflow-Orchestrator läuft mit langsamerem Takt und entscheidet, was als Nächstes geschehen soll.
Aus dieser Trennung erklärt sich, warum Takus Vorführ-Workflow eine komplette gewerbliche Wäscherei ist und kein einzelnes Kunststück. Taku arbeitet zwischen Waschmaschinen, Trocknern, einem Falttisch und Lagerregalen, und weil die Maschinen zu unterschiedlichen Zeiten fertig werden, muss das Falten mitunter pausieren, während eine andere Station bedient wird. Der Orchestrator verfolgt den Fortschritt anhand eines Textgedächtnisses seiner Beobachtungen, etwa Maschinenzustände oder die Zahl gefalteter Handtücher, und kann so die nächste Tätigkeit wählen, auch wenn der Beleg nicht mehr vor der Kamera liegt. Die Fehlerbehebung gilt als Anforderung: einen Griff wiederholen, einen unterbrochenen Vorgang korrigieren, auf einen fallen gelassenen Gegenstand reagieren.
Das Training nutzt eine Unified Robot Representation, die Bewegung als Posen im Aufgabenraum ausdrückt, die menschlichen Aufnahmen und Roboterdemonstrationen gemeinsam sind. So kann menschliches Video eine Policy vortrainieren, die roboterspezifische Daten anschließend an diesen Körper anpassen. Abmessungen, Masse, Nutzlast, Arbeitsbereich, Fahrgeschwindigkeit und Laufzeit werden vor einer Bestellung bestätigt. Welche Abläufe unterstützt werden, wie die Leistung gemessen wird und welche Aufsicht erwartet wird, sollte schriftlich festgehalten werden.
Wichtigste Fähigkeiten
- Zwei Arme mit 7 Freiheitsgraden: Sieben Freiheitsgrade pro Arm bieten die Reichweite und Ausrichtung, die Geräte und Arbeitsflächen verlangen.
- Vier lenkbare Räder: Die Basis fährt auf lenkbaren Rädern zwischen den Stationen, statt zu laufen, und hält so den technischen Aufwand im Oberkörper.
- Klappbarer Unterkörper: Der Unterkörper lässt sich einklappen und erweitert so die Arbeitshaltungen für niedrige und erhöhte Aufgaben.
- Ganzkörpersteuerung mit 100 Hz: Ein per Reinforcement Learning in der Simulation trainierter Controller wandelt Zielvorgaben im Aufgabenraum hundertmal pro Sekunde in Gelenkziele und Radgeschwindigkeiten um.
- Workflow-Orchestrator: Eine Vision-Language-Ebene entscheidet über die nächste Tätigkeit und führt ein Textgedächtnis von Beobachtungen wie Maschinenzustand und Stückzahlen.
- Fehlerbehebung: Einen Griff wiederholen, einen unterbrochenen Vorgang korrigieren und auf einen fallen gelassenen Gegenstand reagieren gehören zum Betrieb eines langen Workflows.
- Lernen aus menschlichem Video: Eine Unified Robot Representation beschreibt Bewegung als Posen im Aufgabenraum, sodass menschliche Aufnahmen eine Policy vortrainieren, die Roboterdemonstrationen anschließend anpassen.
Dieses Modell wird auf Angebotsbasis vertrieben. Konfiguration, Zubehör, Integrationsumfang und Lieferzeitplan beeinflussen den Endbetrag, weshalb der Preis projektbezogen bestätigt und nicht ausgewiesen wird.
Kauf über Robotix Market
Dieses Gerät wird neu über etablierte Vertriebswege bezogen und weltweit mit der Herstellergarantie geliefert. Der technische Support wird mit dem Servicenetz des Herstellers abgestimmt. Einsatzumfang, Konfiguration und die Verantwortlichkeiten für die Inbetriebnahme werden im Rahmen des Angebots vereinbart — der Produktpreis umfasst keine Installation vor Ort.
Funktionen
Technische Daten
| Marke | DYNA |
|---|---|
| Hersteller | Dyna Robotics |
| Modell | Taku |
| Produkttyp | Semihumanoider Roboter auf Rädern für mobile Manipulation |
| Arme | Zwei Arme mit je 7 Freiheitsgraden |
| Basis | Vier lenkbare Räder |
| Unterkörper | Klappbar, für niedrige und erhöhte Arbeitshaltungen |
| Armaktuatoren | Planetenaktuatoren mit niedriger Übersetzung |
| Agent | Dyna-2.1, bestehend aus Ganzkörper-Controller, Dyna-2-Aktionspolicy und Vision-Language-Workflow-Orchestrator |
| Regelfrequenz | Ganzkörper-Controller mit 100 Hz |
| Controller-Training | Reinforcement Learning in der Simulation |
| Bewegungsdarstellung | Unified Robot Representation in Posen des Aufgabenraums |
| Vorgeführter Workflow | Gewerbliche Wäscherei mit Waschmaschinen, Trocknern, Falttisch und Lager |
| Höhe und Masse | Im Angebot zu bestätigen |
| Nutzlast | Im Angebot zu bestätigen |
| Arbeitsbereich | Im Angebot zu bestätigen |
| Fahrgeschwindigkeit | Im Angebot zu bestätigen |
| Akkulaufzeit | Im Angebot zu bestätigen |
Branchen
Häufig gestellte Fragen
Taku ist die Roboterhardware. Dyna-2.1 ist der physische Agent, der darauf läuft, aufgebaut aus einem Ganzkörper-Controller, der Dyna-2-Aktionspolicy und einem Vision-Language-Workflow-Orchestrator.
Nein. Er bewegt sich auf vier lenkbaren Rädern. Der klappbare Unterkörper verändert die Arbeitshaltung, macht ihn aber nicht zu einer zweibeinigen Laufplattform.
Der Orchestrator verfolgt den Fortschritt und wählt die nächste Tätigkeit anhand eines Textgedächtnisses von Beobachtungen wie Maschinenzustand und Stückzahlen. So kann er auf Informationen reagieren, die nicht mehr sichtbar sind.
Die Fehlerbehebung ist Teil des Designs: einen Griff wiederholen, einen unterbrochenen Vorgang korrigieren und auf einen fallen gelassenen Gegenstand reagieren. Es handelt sich um eine Fähigkeit, die innerhalb bestimmter Aufgaben gezeigt wurde, nicht um uneingeschränkte Autonomie.
Abmessungen, Nutzlast und Laufzeit werden vor einer Bestellung bestätigt.
Er wird auf Angebotsbasis angeboten. Konfiguration, Stückzahl und Lieferung werden projektbezogen bestätigt.
Zuletzt angesehen
Sie haben noch keine Produkte angesehen.
