PaXini PX-6AX GEN3: Uma Plataforma de Sensoriamento Táctil Nativa de Dados
Fev 2026 — Tornando o toque mensurável, aprendível e reutilizável
Da física de contato a um sinal aprendível
A série PaXini PX-6AX GEN3 é uma família de módulos de sensoriamento tátil multidimensionais projetados para percepção de força de alta resolução, compreensão de contato e manipulação robótica orientada por dados. Em vez de tratar o toque como um evento binário, o PX-6AX GEN3 captura campos de força triaxiais distribuídos espacialmente na superfície de contato.
Filosofia de Design
O sensoriamento de força robótica tradicional foca na força global ou torque. A PaXini é projetada em torno de sistemas de aprendizado modernos, onde a geometria de contato local, a distribuição de força e a evolução temporal são sinais críticos. O sistema fornece: sensoriamento distribuído espacialmente (não de ponto único), força triaxial (Fx, Fy, Fz) em cada célula, alta repetibilidade para consistência de conjuntos de dados e acesso digital direto para pipelines de aprendizado em tempo real.
Princípio de Sensoriamento
O PX-6AX GEN3 adota uma arquitetura semi-flexível baseada no efeito Hall. Uma camada de elastômero flexível se deforma sob contato; a deformação induz deslocamento controlado de elementos magnéticos; uma camada de sensoriamento rígida mede as mudanças no campo magnético; algoritmos embutidos reconstroem vetores de força triaxiais. Algoritmos anti-campo magnético indesejado isolam sinais induzidos por força e suprimem interferências ambientais.
Saída de Dados e Semântica
Em cada passo de tempo, o sensor fornece vetores de força triaxiais por célula e forças resultantes agregadas. Essa representação permite que sistemas de aprendizado raciocinem sobre localização de contato, distribuição de pressão, forças de deslizamento e cisalhamento, e transições entre aderência e deslizamento. Contatos parciais, desalinhamento e deslizamento incipiente são sinais essenciais para aprendizado robusto de políticas.
Fluxos de Trabalho de Aprendizado Habilitados
Sinais táteis densos aumentam observações visuais e proprioceptivas para aprendizado por imitação. O feedback de força distribuído fornece sinais de recompensa ricos para RL. Dados táteis podem ser fundidos com visão, estados de juntas e áudio para treinar modelos de percepção e controle multimodal.