隨著機器人技術從工業自動化向人形輔助和人機協作方向發展,靈巧機械手的需求激增。欠驅動靈巧手能夠復制類似人類的手部操作,通過將Manus數據手套與靈巧手結合可遠程遙操作機器手完成各種復雜任務。
挑戰
開發具有12個全驅動自由度(DoF)的XHAND1,需要一個能夠匹配其速度、精度和靈活性的運動捕捉解決方案。基于視覺的跟蹤系統雖然對基本的手勢識別有效,但在應用于高級機器人操作時仍存在不足。
![]()
圖片來源:Manus官網用戶案例
速度和延遲:基于視覺的系統通常會引入明顯的延遲,限制了精細操作和實時遙控操作的響應能力。
?
靈巧映射:XHAND1的12個自由度要求高保真輸入,其中每個關節都是獨立捕捉和映射的。
?
遮擋和連續性:當手指重疊或移出視野時,視覺跟蹤容易中斷,導致運動數據不一致。這破壞了控制可靠性和訓練數據集的質量。
解決辦法
![]()
圖片來源:Manus官網用戶案例
為了克服這些速度、靈活性和穩定運動捕捉的挑戰,通過ROS2將MANUS Metaglove與XHAND1靈巧手相集成解決了這一難題。
MANUS ROS2:MANUS C++ SDK的ROS2包,提供MANUS手套到ROS2項目的無縫集成。它使用自定義消息類型將手套數據以ROS2格式發布,包括原始骨骼數據、人體工程學數值和傳感器數據(Meta Gloves Pro).
?
重新定位目標層:重新定位目標節點將MANUS手套輸出的數據轉換為XHAND1能夠接收的數據類型,以確保直觀的操作和精確控制,最終實現精細操作。
?
XHandControlROS2:這是一個用于與XHAND進行EtherCAT通信的ROS2包,提供全面的關節控制和傳感器讀數。通過ROS2主題、服務和回調提供完整的控制接口。
展望未來
![]()
圖片來源:Manus官網用戶案例
除了目前的集成,MANUS正在測試一種從壓力到觸覺的全新嘗試,將XHAND1的觸覺陣列與下一代觸覺手套連接起來。這將實現:
向操作員提供實時觸覺反饋,使他們能夠感受到機械手所感受到的力度、紋理和溫度。
?
增強遠程操作和人機協作中的遠程呈現精度。
?
通過將手部動作捕捉與觸覺傳感相結合,可提供身臨其境的訓練數據集,加速嵌入式人工智能研究。這些進步為真正沉浸式靈巧機器人奠定了基礎。
特別聲明:以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布,本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.