如何使用Manus Metagloves數據手套控制靈巧手？

遙操作使人類能夠用自然的手指運動來控制機器手。本文將基于MANUS Metagloves Pro和PSYONIC Ability Hand的內部測試深入探討如何創建靈巧手遙操作工作流程。該工作流程概述了如何使用MANUS高精度手指跟蹤和PSYONIC的自適應機器手創建響應迅速的實時ROS 2遙操作設置。

開始前需要準備什么硬件與軟件

此工作流需要MANUS Metagloves Pro與PSYONIC靈巧手，以及可運行ROS 2的Linux工作站。盡管MANUS Core是基于Windows的，但Linux系統可以使用MANUS集成的SDK，這可將手套數據直接傳輸到Linux環境中。MANUS ROS 2節點發布關節角度數據，而PSYONIC ROS 2節點向靈巧手發送控制命令。

逐步流程說明

1. 連接硬件

將Metagloves Pro加密狗連接到Linux工作站，并使用MANUS集成SDK將手指數據傳輸到ROS 2。安裝ROS 2并下載MANUS ROS 2套件和PSYONIC ROS 2 Python包。

MANUS節點發布原始數據和關節角度數據，而PSYONIC包提供了控制能力機器手的命令接口。當兩者都處于活動狀態，系統就可以通過轉換層進行集成了。

2. 創建翻譯層

轉換層將Manus輸出連接到PSYONIC輸入。

由于人手的運動結構比靈巧手的驅動模型包含更多的自由度，因此需要將人手關節角度映射到機器人手的命令中。

Manus提供MCP、PIP和DIP角度以表示的操作者的手的彎曲度，該彎曲度被合并為每個手指的單個標準化彎曲度值，并被映射到PSYONIC手指位置界面。

3. 微調數據

翻譯層運行后，需要測試基本手勢以確定縮放問題或偏移:

展開手部

握緊拳頭

捏合

三指夾持

微小的調整，例如縮放、零偏移校正或光線平滑，是正常的，尤其是當將連續的人體運動映射到靈巧手時。

常見問題和故障排除

內部測試期間觀察到的大多數挑戰來自拇指，這需要映射到自由度較少的靈巧手的拇指。MANUS提供詳細的拇指數據，包括手掌彎曲和外展，而機器人拇指只接受基本的彎曲輸入。

這一挑戰通過以下方式得以解決：

拇指旋轉→使用ThumbMCPspread，略微縮放

拇指屈曲→像其他手指一樣結合MCP/IP屈曲，然后以小比例呈現。

這產生了穩定的、可預測的拇指運動，而沒有意外的旋轉。

結論

MANUS Metagloves Pro和PSYONIC Ability Hand的結合，讓實現清晰、實時的遙操作設置，并精確地反映手指的自然運動成為現實。通過MANUS集成的SDK，一個簡單的翻譯層和輕校準，開發人員可以實現平滑且直觀的機器手控制，適用于研究、開發和落實人工智能實驗。