Bimanuale manipulatie: waarom robots twee handen nodig hebben
Probeer eens een pot augurken open te draaien met maar één hand, of een schoenveter te strikken zonder je andere hand te gebruiken. Het lukt bijna niet. Mensen gebruiken voortdurend twee handen tegelijk, waarbij de ene hand vasthoudt of stabiliseert terwijl de andere iets doet. In de robotica heet dit vermogen bimanuale manipulatie: het gecoördineerd gebruiken van twee armen of grijpers door één robot om een taak te volbrengen die met één arm onmogelijk of erg onhandig zou zijn.
Het klinkt eenvoudig, maar voor een robot is het verrassend lastig. Twee armen moeten niet alleen ieder voor zich bewegen, ze moeten ook op elkaar reageren: als de linkerarm een wasknijper vasthoudt terwijl de rechterarm een washand erin klemt, moet de linkerarm de kracht van de rechterarm compenseren zonder het voorwerp te laten vallen of te pletten. Dit vraagt om een heel ander soort besturing dan een robotarm die alleen een doos van A naar B tilt.
Wat is het precies?
Bij bimanuale manipulatie werken twee robotarmen (of, bij humanoïde robots, twee armen met handen) samen aan één taak. Onderzoekers maken meestal onderscheid tussen twee vormen. Bij symmetrische bimanuale taken doen beide armen ongeveer hetzelfde, bijvoorbeeld een groot, plat voorwerp met twee handen tillen. Bij asymmetrische taken heeft elke arm een eigen rol: de ene arm houdt vast (de "stabiliserende" arm), de andere voert de eigenlijke handeling uit (de "actieve" arm), zoals bij het losdraaien van een dopje terwijl de andere hand de fles vasthoudt.
Technisch gezien moet een besturingssysteem hiervoor meerdere dingen tegelijk oplossen. Ten eerste de kinematica: de wiskunde die bepaalt welke gewrichtshoeken nodig zijn om de handen op de juiste plek en in de juiste stand te krijgen. Bij twee armen moet dit voor beide armen tegelijk kloppen, en vaak ook nog relatief ten opzichte van elkaar, bijvoorbeeld als beide handen een stijf voorwerp vasthouden en dus als één star geheel moeten bewegen. Ten tweede de krachtregeling (of impedantieregeling): sensoren in pols of vingers meten hoe hard iets geknepen of geduwd wordt, zodat de robot niet te hard knijpt of juist iets laat glippen. Ten derde moet er een vorm van planning zijn die bepaalt in welke volgorde en op welk moment elke arm iets doet, want te vroeg of te laat loslaten kan de hele taak laten mislukken.
Veel recente systemen leren deze coördinatie niet langer via handmatig geprogrammeerde regels, maar via imitatieleren: een mens bestuurt de twee armen op afstand (teleoperatie) tijdens het uitvoeren van een taak, en een neuraal netwerk leert van tientallen tot honderden van zulke demonstraties welke bewegingen bij welke situatie horen.
Wat wil men ermee bereiken?
De belofte van bimanuale manipulatie is dat robots huishoudelijke en industriële taken kunnen uitvoeren die tot nu toe te complex waren voor machines met één arm. Denk aan was opvouwen, een maaltijd bereiden, een tafel dekken, elektronica in elkaar zetten of een gewonde patiënt verplaatsen. Al deze taken vereisen dat twee "handen" op elkaar inspelen, precies zoals bij mensen.
Voor de industrie is de drijfveer vooral economisch: fabrieken willen assemblagetaken automatiseren die nu nog handwerk zijn omdat ze te fijn of te variabel zijn voor traditionele robotarmen. Voor de bredere robotica-gemeenschap, vooral rond humanoïde robots, is bimanuale manipulatie een noodzakelijke stap richting robots die in door mensen ontworpen omgevingen (huizen, keukens, magazijnen) bruikbaar werk kunnen doen zonder dat die omgeving speciaal wordt aangepast.
Er zit ook een onderzoeksmatig doel achter: bimanuale taken zijn een goede testcase voor de vraag hoeveel een robot kan leren van beperkte hoeveelheden menselijke demonstraties, iets dat relevant is voor de bredere ontwikkeling van zogeheten vision-language-action-modellen, AI-systemen die camerabeelden en taalinstructies omzetten in robotbewegingen.
Voorbeelden uit de praktijk
Een van de bekendste industriële voorbeelden is de ABB YuMi (IRB 14000), geïntroduceerd in 2015. YuMi staat voor "you and me" en is een collaboratieve robot met twee armen die veilig naast mensen kan werken, oorspronkelijk ontwikkeld voor de assemblage van kleine onderdelen zoals horloges.
In de academische wereld was de PR2 van Willow Garage, actief vanaf ongeveer 2010, een van de eerste veelgebruikte onderzoeksplatforms met twee armen. Universiteiten zoals Berkeley gebruikten de PR2 voor experimenten met taken als het opvouwen van handdoeken.
Recenter trok het ALOHA-project (2023) van onderzoekers verbonden aan Stanford veel aandacht: een relatief goedkoop (rond de 20.000 dollar) open-source teleoperatiesysteem waarmee mensen twee robotarmen op afstand besturen om fijne taken te demonstreren, zoals een garnaal bakken of een T-shirt ophangen. In 2024 volgde Mobile ALOHA, waarbij dezelfde armen op een rijdend onderstel werden gemonteerd, zodat de robot zich ook door een keuken kon bewegen tijdens het koken.
Ook bij humanoïde robots is bimanuale manipulatie een centraal thema. Figure AI demonstreerde in 2023 en 2024 zijn Figure 01/02-robots bij taken zoals koffiezetten en het sorteren van voorwerpen met twee handen, en Tesla toont regelmatig video's van zijn Optimus-robot bij vergelijkbare tweehandige taken. Deze demonstraties zijn indrukwekkend, maar het is vaak onduidelijk hoeveel menselijke aansturing of nabewerking eraan te pas kwam, dus ze moeten met enige voorzichtigheid worden bekeken.
Hoe ver is de techniek?
In de industrie is bimanuale manipulatie voor goed gedefinieerde, herhaalde taken (zoals bij de YuMi) al jaren volwassen technologie: fabrieken zetten dit soort robots in voor assemblage in een vaste, voorspelbare omgeving. De grote uitdaging ligt bij taken in ongestructureerde, wisselende omgevingen, zoals een privéwoning of een willekeurige magazijnstelling, waar voorwerpen niet steeds op dezelfde plek liggen.
Op dat vlak is de vooruitgang de afgelopen twee tot drie jaar snel gegaan, vooral dankzij imitatieleren en goedkopere teleoperatiehardware zoals bij ALOHA. Robots kunnen inmiddels relatief fijne taken aanleren op basis van enkele tientallen tot honderden demonstraties, in plaats van maanden handmatig programmeren. Toch blijven er stevige beperkingen. De meeste geleerde systemen generaliseren slecht: een robot die leert een specifieke kop koffie in te schenken, presteert vaak veel slechter zodra de kop, de tafel of de belichting verandert. Ook faalt bimanuale coördinatie nog regelmatig bij taken die fijne tastzin vereisen, zoals het voelen of een knoop goed vastzit, omdat tastsensoren in robothanden minder gevoelig zijn dan menselijke vingertoppen.
Onafhankelijke experts binnen de robotica zijn het er grotendeels over eens dat betrouwbare, algemeen inzetbare bimanuale manipulatie in onvoorspelbare huishoudelijke omgevingen nog jaren onderzoek vergt. Demonstratievideo's van bedrijven tonen vaak het beste resultaat na veel pogingen, niet de gemiddelde prestatie.
Wie werken eraan?
Op onderzoeksgebied lopen verschillende universiteiten voorop. Stanford University is nauw verbonden met het ALOHA- en Mobile ALOHA-project. Andere academische centra met sterke bimanuale-manipulatieprogramma's zijn Carnegie Mellon University, MIT en het Karlsruher Institut für Technologie (KIT) in Duitsland. In Europa is het Duitse ruimtevaartcentrum DLR al langer bezig met tweearmige robots, onder meer via de onderzoeksrobot Justin, en het Istituto Italiano di Tecnologia (IIT) ontwikkelde de tweearmige onderzoeksrobot iCub.
Aan de bedrijfskant combineert ABB industriële toepassing met onderzoek via de YuMi-lijn. In de humanoïde-robotsector werken onder meer Tesla (Optimus), Figure AI, Apptronik (Apollo), Agility Robotics en Sanctuary AI aan robots waarbij bimanuale taken een belangrijk verkoopargument zijn. Ook grote technologiebedrijven zoals Google DeepMind investeren in onderliggend AI-onderzoek (bijvoorbeeld via hun robotics-onderzoekslijnen rond vision-language-action-modellen) dat mede bedoeld is om bimanuale coördinatie te verbeteren.