چه گرفتن یا نگه داشتن، لمس کردن، لمس کردن، تایپ کردن یا فشار دادن - در زندگیروزمره، ما از دستانمان به عنوان یک وسیله برای انجام وظایف استفاده می‌کنیم. دست انسان ابزار معجزه واقعی طبیعت است. چه چیزی می‌تواند منطقی‌تر از تجهیز ربات‌ها در فضاهای کاری جمعی با gripper باشد که در این مدل طبیعی مدل‌سازی شده‌ است و می‌تواند از طریق هوش مصنوعی برای حل انواع مختلف گرفتن و چرخش وظایف یاد بگیرد؟

یادگیری تقویتی : اصل پاداش
برای تقویت یادگیری از روش یادگیری تقویتی استفاده شده‌ است . این بدان معنی است که به جای اجبار برای تقلید از یک اقدام عینی , دست صرفاً به یک هدف داده می‌شود . سعی در رسیدن به این هدف از طریق آزمون و خطا است . با توجه به بازخورد مثبت و منفی دریافت‌شده , دست به تدریج وارد عمل می‌شود تا اینکه سرانجام کار را با موفقیت حل کند .

دوقلوی دیجیتال دست واقعی ربات
به طور خاص , دست بایونیک باید یک مکعب یک طرفه را بچرخاند تا یک سمت راست تعریف‌شده در انتهای آن به سمت بالا باشد . استراتژی حرکت ضروری در محیط مجازی با کمک یک دوقلوی دیجیتال آموزش داده می‌شود که با کمک داده‌های یک دوربین کاوش عمق و الگوریتم هوش مصنوعی ایجاد می‌شود .

انتقال دانش سریع از طریق یادگیری بسیار موازی

مدل شبیه‌سازی دیجیتال به طور قابل‌ توجهی آموزش را سرعت می‌بخشد ، به خصوص اگر آن را ضرب کنید . در اصطلاح، دانش بدست‌آمده با تمام دستان مجازی مشترک است ، که سپس به کار با حالت جدید دانش ادامه می‌دهد ؛ بنابراین هر اشتباه تنها یک‌بار صورت می‌گیرد . اقدامات موفق بلافاصله برای همه مدل‌ها در دسترس هستند .
بعد از اینکه کنترل در شبیه‌سازی آموزش داده شد ، به دست بایونیک منتقل می‌شود . با استراتژی جنبش که عملاً آموخته‌ایم ، می‌تواند مکعب را به سمت مطلوب برگرداند و سایر اشیا را در همان جهت بچرخاند . این امر نشان داد که چگونه بلوک‌های ساختمان دانش و مهارت‌های جدید ، که زمانی آموخته شدند ، می‌تواند به اشتراک گذاشته شود و در مقیاس جهانی در دسترس قرار گیرد .

پتانسیل هم‌کاری برای ربات انسان
این محصول منعطف بوده و از اجزاء پنوماتیک و متریال الاستیک نرم و اجزاء سبک تشکیل شده است. دست بایونیک مورد بحث مارا از کابل یا تجهیزات الکتریکی فارغ نموده و تولید ارزان ‌تری را ممکن می‌سازد . با توجه به طرح ماژولار آن‌ها ، بوجود آوردن انواع gripper یا گیره هایی با سه یا چهار انگشت نیز ممکن است .

دست بایونیک از روی دست انسان طراحی شده و می تواند از طریق هوش مصنوعی یاد بگیرد تا بتواند اشیاء مختلف را درک کند و آنها را به موقعیت مطلوب برساند