PaXini PX-6AX GEN3 : une plate-forme de détection tactile native des données
Février 2026 — Rendre le toucher mesurable, apprenable et réutilisable
De la physique des contacts à un signal apprenable
La série PaXini PX-6AX GEN3 est une famille de modules de détection tactile multidimensionnels conçus pour la perception de force haute résolution, la compréhension des contacts et la manipulation robotique basée sur les données. Plutôt que de traiter le toucher comme un événement binaire, le PX-6AX GEN3 capture Champs de force triaxiaux spatialement distribués au niveau de la surface de contact.
Philosophie de conception
La détection de force robotique traditionnelle se concentre sur la force ou le couple global. PaXini est conçu autour de systèmes d'apprentissage modernes, où la géométrie des contacts locaux, la répartition des forces et l'évolution temporelle sont des signaux critiques. Le système fournit : une détection spatialement distribuée (et non un point unique), une force triaxiale (Fx, Fy, Fz) au niveau de chaque cellule, une répétabilité élevée pour la cohérence des ensembles de données et un accès numérique direct pour les pipelines d'apprentissage en temps réel.
Principe de détection
Le PX-6AX GEN3 adopte une architecture semi-flexible basée sur l'effet Hall. Une couche d'élastomère souple se déforme au contact ; la déformation induit un déplacement contrôlé des éléments magnétiques ; une couche de détection rigide mesure les changements de champ magnétique ; des algorithmes intégrés reconstruisent les vecteurs de force triaxiale. Les algorithmes de champ magnétique anti-parasite isolent les signaux induits par la force et suppriment les interférences environnementales.
Sortie de données et sémantique
À chaque pas de temps, le capteur fournit des vecteurs de force triaxiale par cellule et des forces résultantes agrégées. Cette représentation permet aux systèmes d'apprentissage de raisonner sur l'emplacement du contact, la répartition de la pression, les forces de glissement et de cisaillement, ainsi que les transitions entre collage et glissement. Les contacts partiels, les désalignements et les dérapages naissants sont des signaux essentiels pour un apprentissage politique solide.
Flux de travail d'apprentissage activés
Les signaux tactiles denses augmentent les observations visuelles et proprioceptives pour l'apprentissage par imitation. Le retour de force distribué fournit de riches signaux de récompense pour RL. Les données tactiles peuvent être fusionnées avec la vision, les états articulaires et l'audio pour former des modèles de perception et de contrôle multimodaux.