रोबोटिक हेरफेर के क्षेत्र में एक महत्वपूर्ण प्रगति के तहत, EPFL के Computational Robot Design & Fabrication (CREATE) लैब के शोधकर्ताओं ने एक ऐसा रोबोटिक हाथ विकसित किया है, जो वस्तुओं को इस तरह से पकड़ सकता है कि उसकी गतिविधियाँ जटिल प्रोग्रामिंग के बजाय उसके डिजाइन से स्वाभाविक रूप से उत्पन्न होती हैं और वे काफी हद तक मानव जैसी होती हैं।
ADAPT हैंड (Adaptive Dexterous Anthropomorphic Programmable sTiffness) मुख्य रूप से सिलिकॉन स्ट्रिप्स, जो एक यांत्रिक संरचना के चारों ओर लिपटी होती हैं, और स्प्रिंग-लोडेड जोड़ के रणनीतिक वितरण का उपयोग करता है, जिससे शोधकर्ता 'स्व-संगठित' पकड़ कहते हैं। पारंपरिक रोबोटिक हाथों के विपरीत, जिन्हें वस्तु की स्थिति और गुणों के बारे में सटीक जानकारी की आवश्यकता होती है, ADAPT हैंड न्यूनतम इनपुट के साथ विभिन्न वस्तुओं के अनुसार खुद को अनुकूलित कर सकता है।
CREATE लैब में प्रोफेसर जोसी ह्यूजेस के निर्देशन में काम कर रहे पीएचडी छात्र काई जुंगे बताते हैं, "हम मनुष्यों को किसी वस्तु को पकड़ने के लिए ज्यादा बाहरी जानकारी की जरूरत नहीं होती, और हमें लगता है कि ऐसा इसलिए है क्योंकि वस्तु और मानव हाथ के बीच जो लचीला या सॉफ्ट इंटरैक्शन होता है, वही इसकी वजह है।"
इस हाथ का डिजाइन अत्यंत कुशल है, जिसमें कलाई में लगे केवल 12 मोटर इसके 20 जोड़ को नियंत्रित करते हैं। शेष यांत्रिक नियंत्रण स्प्रिंग्स से आता है, जिनकी कठोरता को समायोजित किया जा सकता है, और सिलिकॉन 'स्किन' से, जिसे जोड़ा या हटाया जा सकता है। परीक्षण में, ADAPT हैंड ने 24 विभिन्न वस्तुओं को 93% सफलता दर के साथ उठाया, और उसकी गतिविधियाँ प्राकृतिक मानव पकड़ से 68% तक मेल खाती थीं।
इस विकास को खासतौर पर उल्लेखनीय बनाता है इसकी प्रोग्रामिंग की सरलता। यह हाथ किसी वस्तु को उठाने के लिए केवल चार सामान्य वेपॉइंट्स से होकर गुजरता है, और आगे की कोई भी अनुकूलन प्रक्रिया स्वतः होती है, अतिरिक्त प्रोग्रामिंग की आवश्यकता नहीं होती—इसे रोबोटिक्स में 'ओपन लूप' नियंत्रण कहा जाता है। इससे यह हाथ बिना री-प्रोग्रामिंग के एक बोल्ट से लेकर केले तक की वस्तुओं को पकड़ने के लिए खुद को अनुकूलित कर सकता है।
EPFL की टीम अब इस आधार पर आगे बढ़ रही है और इसमें क्लोज्ड-लूप नियंत्रण तत्व जोड़ रही है, जिसमें सिलिकॉन स्किन में प्रेशर सेंसर और आर्टिफिशियल इंटेलिजेंस शामिल हैं। यह तरीका ऐसे रोबोट्स का मार्ग प्रशस्त कर सकता है, जो लचीलापन और सटीक नियंत्रण दोनों का संयोजन करते हैं, और संभवतः यह बदल सकता है कि रोबोट्स कैसे अनिश्चित वातावरण या मानवों के लिए बनाए गए स्थानों में काम करते हैं।