PaXini PX-6AX GEN3: Una plataforma de detección táctil nativa de datos
Una plataforma de detección táctil nativa de datos para robótica basada en el aprendizaje.
Febrero 2026
De la física de contacto a una señal que se puede aprender
Política de campo de contacto deformar
La serie PaXini PX-6AX GEN3 es una familia de módulos de detección táctil multidimensional diseñados para la percepción de la fuerza de alta resolución, la comprensión de contacto y la manipulación robótica basada en datos. En lugar de tratar el tacto como un evento binario, PX-6AX GEN3 captura campos de fuerza triaxial espacialmente distribuidos en la superficie de contacto.
Filosofía del diseño
La detección de fuerza robótica tradicional se centra en la fuerza global o el par. PaXini está diseñado en torno a sistemas de aprendizaje modernos, donde la geometría de contacto local, la distribución de fuerzas y la evolución temporal son señales críticas. El sistema proporciona: detección espacialmente distribuida (no de un solo punto), fuerza triaxial (Fx, Fy, Fz) en cada célula, alta repetibilidad para la consistencia de los conjuntos de datos y acceso digital directo para las tuberías de aprendizaje en tiempo real.
Principio de la percepción
PX-6AX GEN3 adopta una arquitectura semiflexible basada en el efecto Hall. Una capa de elastómero compatible se deforma bajo contacto; la deformación induce el desplazamiento controlado de elementos magnéticos; una capa de detección rígida mide los cambios de campo magnético; algoritmos integrados reconstruyen vectores de fuerza triaxial. Los algoritmos de campo magnético anti-estrellado aislan las señales inducidas por la fuerza y suprimen la interferencia ambiental.
Producción de datos y semántica
En cada paso temporal, el sensor proporciona vectores de fuerza triaxial por célula y fuerzas resultantes agregadas. Esta representación permite a los sistemas de aprendizaje razonar sobre la ubicación de contacto, la distribución de presión, las fuerzas de deslizamiento y corte, y las transiciones entre pegado y deslizamiento.
Se habilitan flujos de trabajo de aprendizaje
Las señales táctiles densas aumentan las observaciones visuales y proprioceptivas para el aprendizaje de imitación. La retroalimentación de fuerza distribuida proporciona ricas señales de recompensa para la RL. Los datos táctiles se pueden fusionar con la visión, los estados articulares y el audio para entrenar modelos de percepción y control multimodal.
[← Volver a la investigación]
¿Estás listo para empezar?
Busque robots, solicite datos, o contacte. Estamos aquí para ayudar.
[Obtenga el robot] [