Hybrid Gripper Finger Enabling In-Grasp Friction Modulation Using Inflatable Silicone Pockets
提出一种结合刚性外壳与可充气硅胶口袋的混合夹爪指,通过控制内部气压主动调制表面摩擦,在不增加法向力的前提下稳定抓取重型、湿滑及易碎物体,提升操作安全性。
2025-10-31 cs.RO
Grasp EveryThing (GET): 1-DoF, 3-Fingered Gripper with Tactile Sensing for Robust Grasping
Massachusetts Institute of Technology(麻省理工学院)
本研究提出一种1自由度三指V形构型的GET夹爪,采用参数化设计可适配多类机器人,集成外置摄像头触觉感知与力估计神经网络,实验证实其抓取表现优于标准平指,设计已开源。
2025-07-30 cs.RO
A Novel Variable Stiffness Soft Robotic Gripper
DePaul University(德保罗大学);University of Arkansas(阿肯色大学);Clemson University(克莱姆森大学)
我们提出了一种新的三指软机器人手爪与解耦刚度和形状控制能力进行自适应抓持系统的复杂性最小。所提出的软手指自适应地符合对象形状,便于处理不同类型、形状和大小的对象。每个软夹持器手指有一个不可伸展的关节骨干,并由气动肌肉驱动。我们推导出的夹具的运动学模型,并使用经验的方法来映射输入压力的刚度和弯曲变形的手指。我们使用这些映射来实现解耦刚度和形状控制。我们进行测试,以量化的能力,以保持物体的夹具改变方向,保持抓取状态的能力,夹具移动,以及所需的力量,以释放物体从夹持的手指,分别。结果验证了所提出的夹持器的性能,并显示了如何刚度控制可以提高抓取质量。
2020-10-22 cs.RO
Two-Finger Soft Gripper Force Modulation via Kinesthetic Feedback
University of California Santa Cruz(加州大学圣克鲁兹分校)
本文提出在双指柔性夹爪检测到接触后,利用手指弯曲测量值与接触瞬间弯曲值的期望差值进行运动觉反馈控制,从而无需触觉传感器即可调节接触力,并在真实装置上验证了其与峰值拉脱力的关系。
2024-10-01 cs.RO
Belt-Finger: An Affordable Soft Belt-Driven Gripper for Dexterous In-Hand Manipulation
University of Tübingen(图宾根大学);Max Planck Institute for Intelligent Systems(马克斯·普朗克智能系统研究所)
提出一种双软带手指模块,为平行夹爪增加三个手内自由度(平移、俯仰、滚动),在保持低成本、易集成的同时提升灵巧操作能力,并通过MPC和遥操作验证其有效性。
2026-06-19 cs.RO
Large-scale Deployment of Vision-based Tactile Sensors on Multi-fingered Grippers
Beijing Institute for General Artificial Intelligence (BIGAI)(北京通用人工智能研究院);Queen Mary University of London(伦敦玛丽女王大学)
针对多指抓取中的多接触点触觉感知需求,本文提出模块化 VBTS、低延迟同步采集与零样本校准,并在含 7 个传感器的三指夹爪上验证其性能与泛化集成能力。
2024-08-05 cs.RO
Mathematical Modeling Of Four Finger Robotic Grippers
Jamia Millia Islamia(贾米亚·米利亚·伊斯兰亚大学)
针对Jamia's hand四指腱驱动机器人夹持器,本文建立运动学、受力与Lagrangian动力学模型,分析位移、夹持力、扭矩及钢丝直径要求。
2024-09-10 cs.RO
Optimal Design and Analytical Modeling of a Soft Fin-Ray Effect Gripper Finger Using the Finite Rigid Elements Method
提出采用有限刚性单元法(FREM)对软体鳍射线效应(FRE)夹爪手指进行建模与优化,实现精准力控,以轻柔抓取易损农产品。
2026-06-02 cs.RO
SGDN: Segmentation-Based Grasp Detection Network For Unsymmetrical Three-Finger Gripper
Shandong University(山东大学)
在本文中,我们提出了基于分割的抓取检测网络(SGDN)预测一个可行的机器人抓持的非对称三指机器人手爪使用RGB图像。对目标的可行抓取应该是具有相同抓取角度和宽度的抓取区域的集合。也就是说,一个简化的平面抓取表示应该是像素级的,而不是像五维抓取表示那样的区域级的,因此,我们提出了一个像素级的抓取表示--有向基固定三角形。它也更适用于不对称的三指夹持器,在抓取某些物体时不能对称抓取,抓取角度在[0,2π)而不是平行板夹持器的[0,π)。为了预测RGB图像中合适的抓取区域及其对应的抓取角度和宽度,SGDN使用DeepLabv 3+作为特征提取器,在重新标注的Cornell Grasp数据集上,该模型在图像分割和对象分割上分别达到了96.8%和92.27%的准确率,并获得与现有技术方法一致的准确预测。
2020-05-17 cs.RO
F1 Hand: A Versatile Fixed-Finger Gripper for Delicate Teleoperation and Autonomous Grasping
Preferred Networks Inc.(首选网络公司)
遥操作通常受到操作员在机器人与环境交互时做出反应和预测机器人行为的能力的限制。例如,为了抓住桌子上的小物体,遥控操作员需要在手指闭合之前预测指尖的位置,以避免它们碰到桌子。出于这个原因,我们开发了F1手,这是一种单电机夹持器,可以通过使用固定手指进行远程操作。这只手能够抓住像回形针一样薄的物体,以及像无绳钻一样重和大的物体。通过更换不同形状的固定手指,可以扩大手的适用性。这种灵活性使手具有高度的通用性,同时易于开发和廉价。然而,由于非典型的非对称结构和驱动的手通常的抓取策略不再适用。因此,我们提出了一个控制器,通过使用整个arm.F1的手和它的控制器的运动近似致动对称性进行比较并排与原来的丰田人类支持机器人(HSR)的抓地力在遥操作使用22个对象从YCB数据集,除了小的对象。抓持时间和峰值接触力可分别减少20%和70%,同时成功率提高5%。使用现成的把握姿态估计自主抓取,该系统取得了类似的成功率,原来的HSR夹持器,在80%的顺序。
2022-05-14 cs.RO
A Novel Gripper with Semi-Peaucellier Linkage and Idle-Stroke Mechanism for Linear Pinching and Self-Adaptive Grasping
X-Institute;Tsinghua University(清华大学)
本文提出兼具线性平行捏取与自适应抓取能力的 SPD 夹爪,通过半波塞利耶连杆和空行程机构解决传统夹爪指尖弧线运动导致的高度调整问题,并经原型实验验证其性能。
2025-10-18 cs.RO
VTAP Gripper: Synergizing Fingertip Sensing and a Visuo-Tactile Active Palm for Dexterous In-Hand Manipulation
Edwardson School of Industrial Engineering, Purdue University(普渡大学爱德华森工业工程学院);Department of Computer Science, Columbia University(哥伦比亚大学计算机科学系)
研究提出集成 VTAP 和触觉阵列传感器手指的夹爪,利用指掌协同与多模态感知实现操作。通过双模态手掌扩展能力,提出重定向框架。经多任务实验验证,该夹爪及框架为灵巧夹爪设计等提供实用参考架构。
2026-07-20 cs.RO
Development of a Multi-Fingered Soft Gripper Digital Twin for Machine Learning-based Underactuated Control
University of California, Berkeley(加利福尼亚大学伯克利分校);National Taiwan University(台湾大学)
本研究为多指软体抓手构建数字孪生,模拟非线性、迟滞、不确定性及时变效应,并采用蒙特卡洛方法模拟不确定性,初步应用Q学习算法确定最优运动速度以最小化不确定性,为欠驱动控制及机器学习算法训练奠定基础。
2025-02-21 cs.RO
Multi-Finger Grasping Like Humans
Ecole des Ponts(巴黎路桥学院);Univ Gustave Eiffel(古斯塔夫·埃菲尔大学);CNRS(法国国家科学研究中心);NAVER LABS Europe(NAVER欧洲实验室)
如果我们能够正确地指定机器人要做什么,那么带有多指抓取器的机器人可以为我们执行高级操作任务。在这项研究中,我们朝着这个方向迈出了一步,让机器人像人类一样抓住物体。我们提出了一种新的基于优化的方法,用于将人类抓握演示转移到任何多指抓手,该抓手产生模仿人手方向和与物体接触区域的机器人抓握,同时减轻相互渗透。与Allegro和BarrettHand抓手的广泛实验表明,我们的方法导致掌握更类似于人类的演示比现有的方法,而不需要任何特定的抓手调整。我们通过用户研究证实了这些发现,并验证了我们的方法对一个真正的机器人的适用性。
2022-11-14 cs.RO
AntGrip -- Boosting Parallel Plate Gripper Performance Inspired by the Internal Hairs of Ant Mandibles
University of Edinburgh(爱丁堡大学)
本文受蚂蚁上颚绒毛启发,为细长双指平行板夹持器设计可互换带绒毛垫,并通过2400次实验证明其可显著提升抓取成功率与稳固持物能力。
2023-12-08 cs.RO
Automatic Fingerpad Customization for Precise and Stable Grasping of 3D-Print Parts
HP-NTU Digital Manufacturing Corporate Lab(惠普-南洋理工大学数字制造联合企业实验室);School of Mechanical and Aerospace Engineering, Nanyang Technological University(南洋理工大学机械与宇航工程学院)
针对增材制造中复杂形状零件的机器人抓取难题,本文提出一种基于布尔运算的端到端指垫自动定制方法,可合成贴合局部形状的刚性指垫并评估抓取质量,实验证明其能在多点实现精确稳定抓取。
2024-03-28 cs.RO
Selecting and Designing Grippers for an Assembly Task in a Structured Approach
Osaka University(大阪大学);National Institute of Advanced Industrial Science and Technology (AIST)(产业技术综合研究所(AIST))
在本文中,我们提出了一个结构化的方法来选择和设计一套夹具的装配任务。与目前基于经验的夹具设计方法相比,该方法根据装配部件的CAD模型自动生成一组夹具类型和参数的初始设计方案,加快了设计过程。采用网格分割技术对装配体进行分割,并对分割后的装配体进行形状基元拟合,根据基元形状与夹持器类型的对应关系,从拟合后的形状基元中选择并提取合适的夹持器类型和参数。此外,我们将装配约束在最初获得的夹持器类型和参数的进一步评估。考虑到分段零件的示能性以及夹持器和夹具之间的碰撞避免,可以从初始选项中过滤适用的夹持器类型和参数。在适用的夹持器配置,我们进一步优化数量的夹具执行装配任务,通过探索的夹具,能够处理多个组件在装配过程中。最后,通过对工业产品零件的装配实验,验证了所设计夹具的可行性。
2021-01-04 cs.RO
Rapid grasping of fabric using bionic soft grippers with elastic instability
Columbia University(哥伦比亚大学)
提出一种受人指启发、利用弹性不稳定性的弹扣式柔性夹爪,以预应力半刚性骨架实现86°大跨度和46 ms快速闭合,并通过理论、仿真与实验验证其多物体适应性。
2023-10-01 cs.RO
A Mechanical Screwing Tool for 2-Finger Parallel Grippers -- Design, Optimization, and Manipulation Policies
Osaka University(大阪大学);National Inst. of AIST(产业技术综合研究所)
本文提出了一种双指并联机器人手爪的机械工具及其操作策略。它主要集中在一个机构,转换为连续旋转的两指平行夹持运动,以实现紧固螺钉等任务。该工具的基本结构包括一个剪式元件(SLE)机构和一个双棘轮机构。它们一起将重复的线性运动转换为连续的旋转运动。在SLE机构的关节处,连接有弹性元件,以提供夹持工具的阻力,并在夹持器释放工具时产生扭矩输出。该工具完全是机械式的,允许机器人在没有任何外围设备和电源的情况下使用该工具。本文详细介绍了工具的设计,优化其尺寸和有效行程长度,并研究了接触和力,以实现稳定的抓持和拧紧。除了设计之外,本文还为工具开发了操作策略。这些策略包括视觉识别、拾取和操纵以及交换工具提示。所研制的工具在前端产生顺时针旋转,在后端产生逆时针旋转。各种工具提示可以安装在两端。机器人可以采用所开发的操作策略来根据特定紧固或松开任务的需要交换工具提示和旋转方向。机器人还可以使用拾取和放置或移交来重新定向工具,并使用策略将工具移动到工作姿势。所设计的工具,连同开发的操作政策,分析和验证在几个现实世界中的应用。该工具体积小,无线,方便,并具有良好的鲁棒性和适应性。
2020-06-18 cs.RO
EfficientGrasp: A Unified Data-Efficient Learning to Grasp Method for Multi-fingered Robot Hands
Imperial College London(帝国理工学院);Ocado Technology(奥凯多科技)
自主抓取机器人以前看不到的新物体是机器人操作中的一个持续挑战。在过去的几十年中,已经提出了许多方法来解决这个问题,为特定的机器人手。UniGrasp框架,最近推出的,有能力推广到不同类型的机器人抓手;然而,这种方法不工作的抓手与闭环约束,是数据效率低下时,应用于机器人手与多抓取配置。在本文中,我们提出了有效把握,广义把握合成和夹具控制方法,是独立的夹具模型规格。EfficientGrasp使用夹持器工作空间功能,而不是UniGrasp的夹持器属性输入。这将训练过程中的内存使用减少了81.7%,并使其可以推广到更多类型的夹具,例如具有闭环约束的夹具。通过在仿真和真实世界中进行物体抓取实验来评估EfficientGrasp的有效性;结果表明,当只考虑没有闭环约束的夹具时,所提出的方法也优于UniGrasp。在这些情况下,EfficientGrasp在生成接触点时显示出9.85%的更高准确度,在模拟中显示出3.10%的更高抓取成功率。真实世界的实验进行与闭环约束,其中UniGrasp未能处理,而EfficientGrasp实现了83.3%的成功率的夹具。分析了该方法抓取失败的主要原因,提出了提高抓取性能的方法。
2022-06-30 cs.RO
Design of a sensor integrated adaptive gripper
IIT Kharagpur(印度理工学院卡哈拉格普尔分校)
本文介绍了一种传感器集成自适应夹持器的设计与研制。自适应抓取器对于通过将手指缠绕在物体周围来抓取不同几何形状的物体是有用的。自适应抓持器中的指状物闭合序列可能由于任何不平衡的抓持力而导致物体从抓持器弹出,并且这种抓持失败对于轻质物体是常见的。所提出的夹持器的设计集中于确保对各种物体的稳定抓持,特别是对于轻质物体(例如,空塑料瓶)。致动机构基于可移动的滑轮和腱线,其确保一旦链接停止移动,其他链接继续移动并围绕物体缠绕。此外,优化用于改进自适应夹持器的设计。最后,通过在模拟环境PyBullet中执行对象抓取来进行验证,以便在常见的家用对象上执行简单的拾取和放置任务。
2020-08-26 cs.RO
1-degree-of-freedom Robotic Gripper With Infinite Self-Twist Function
本研究提出了一种新型的机器人手爪,可以实现抓取和无限手腕扭转运动,使用单一的驱动器。夹持器配备有差动齿轮机构,其允许根据施加到手指的尖端力的大小在抓握和扭转运动之间切换。当尖端力低于设定值时,抓握运动被激活,并且当尖端力超过该值时,手腕扭转运动被激活。“扭转抓取”是一种特殊的抓取模式,允许将柔性薄物体缠绕在抓取器的手指上,可以通过扭转运动来实现。扭转抓取对于处理具有柔性薄部件的物体是有效的,例如层压包装袋,其难以使用传统的对跖抓取来抓取。在这项研究中,夹持器的设计,并分析了扭曲抓取。对夹持器的性能进行了实验验证。
2022-11-10 cs.RO
Grasp Planning for Customized Grippers by Iterative Surface Fitting
University of California, Berkeley(加州大学伯克利分校)
定制的夹具在工业装配线中有广泛的应用。与一般平行夹持器相比,定制夹持器具有专门设计的手指,以增加与工件的接触面积,提高抓取鲁棒性。然而,由于对象的变化,表面接触和夹具的结构约束,用于定制夹具的抓取规划是具有挑战性的。本文提出了一种迭代曲面拟合(ISF)算法来规划定制夹持器的抓取。ISF通过最小化表面拟合误差同时搜索最佳夹持器变换和手指位移。引入引导采样,避免ISF陷入局部最优,提高避碰性能。该算法能够考虑夹持器的结构约束,并实时规划最优抓取。仿真和实验验证了该算法的有效性。实验视频可在以下网址获得:http://me.berkeley.edu/\%7Eyongxiangfan/CASE2018/caseisf.html
2018-07-28 cs.RO
ARTiS: An Adaptive Robotic Gripper for Enhanced Tool Manipulation in Disassembly Applications
National Institute of Advanced Industrial Science and Technology (AIST)(日本国立先进工业科学技术研究所(AIST));The University of Osaka(大阪大学);Graduate School of Engineering Science, The University of Osaka(大阪大学工程科学研究生院)
本文介绍了一款名为ARTiS的新型机器人抓手,其结合柔性抓手、拟人机械手与刚性机构的优势,经测试可牢固握持各类拆卸工具,适用于自动化与协作任务。
2026-09-10 cs.RO
Pneumatic Shape-shifting Fingers to Reorient and Grasp
Massachusetts Institute of Technology(麻省理工学院)
我们提出了气动变形手指,使一个简单的平行钳口夹具不同的操作方式。通过改变手指的几何形状,夹持器有效地改变了手指和物体之间的接触类型,以促进不同的操纵基元。在本文中,我们展示了形状变化的手指重新定位和把握圆柱形物体的发展和应用。手指的形状根据它们内部的空气压力而变化,并在高压力值和低压力值下获得两种不同的几何形状。在我们的实施方案中,手指形状分别在高压力和低压力下在楔形几何形状和V形几何形状之间切换。使用楔形几何形状,手指在圆柱形物体上提供点接触,以在重力作用下将其枢转到垂直姿势。通过改变为V形的几何形状,手指本地化的对象在垂直的姿势,并安全地举行it.Experimental结果表明,两种接触类型之间的平滑过渡允许一个简单的夹持器的机器人重新定位一个圆柱形的物体水平躺在地上,并抓住它在一个垂直的姿势。
2018-09-22 cs.RO
Towards Flexible Biolaboratory Automation: Container Taxonomy-Based, 3D-Printed Gripper Fingers
Technical University of Munich(慕尼黑工业大学);Munich Institute of Robotics and Machine Intelligence(慕尼黑机器人与机器智能研究院)
针对生物实验室机器人抓取容器范围有限的问题,研究团队基于液体容器分类体系,设计了集成刚柔材料的3D打印被动柔顺夹爪指,具备耐化耐高温特性,可适配多类容器与复杂实验流程。
2023-12-15 cs.RO
Construction of a Multiple-DOF Under-actuated Gripper with Force-Sensing via Deep Learning
Zhejiang University(浙江大学);Nanyang Technological University(南洋理工大学)
提出一种无传感器、基于LSTM的欠驱动抓取器,通过五连杆机构实现自适应抓取,并实现力反馈控制,具有高通用性和鲁棒性。
2025-06-13 cs.RO
MultiGripperGrasp: A Dataset for Robotic Grasping from Parallel Jaw Grippers to Dexterous Hands
University of Texas at Dallas(德克萨斯大学达拉斯分校)
本文介绍了MultiGripperGrasp,一个包含11种夹爪对312个物体的3040万次抓取的大规模数据集,通过Isaac Sim验证抓取并记录掉落时间,且基于手掌对齐实现跨夹爪的抓取迁移,显著提升了各夹爪的成功抓取数量。
2024-08-28 cs.RO
A Tendon-driven Robot Gripper with Passively Switchable Underactuated Surface and its Physics Simulation Based Parameter Optimization
Preferred Networks Inc.(Preferred Networks 公司)
在本文中,我们提出了一个单一的驱动器夹持器,可以解除薄的物体躺在一个平面上,除了作为一个标准的平行夹持器的能力。其关键是指尖上的爬行器,该爬行器与其他手指关节一起欠驱动,并通过被动和弹簧加载机构进行切换。虽然爬行手指的思想并不新鲜,但本文的工作有助于实现无附加电机的爬行。根据抓取状态的不同,机械手可以被动地从平行接近模式转换到拉入模式,最后转换到动力抓取模式。针对高度欠驱动系统的优化问题,采用黑箱优化和物理仿真相结合的方法对整个抓取过程进行优化。我们表明,这种基于仿真的方法可以有效地考虑预接触运动,在手操作,电力把握的稳定性,甚至故障模式,这是很难的静态平衡分析为基础的方法。在本文的最后一部分中,我们证明了一个原型夹具与建议的结构和设计参数优化下,建议的过程中成功的权力掌握了一个薄板,一个软封面的书,和一个气缸躺在一个平面上。
2020-08-13 cs.RO
Serial Chain Hinge Support for Soft, Robust and Effective Grasp
University of Zagreb(萨格勒布大学);Faculty of Electrical Engineering and Computing(电气工程与计算学院)
本文提出了一种串联链铰支撑,一种刚性但柔性的结构,提高了机械性能和鲁棒性的软指爪。重力会降低水平进场中软指的完整性,导致指的大偏转导致最大有效载荷降低。为了证实我们的说法,我们进行了几个实验的有效载荷和偏转的SofIA夹持器在水平和垂直的方法。此外,我们表明,这种钢筋不妨碍原来的合规行为的抓手,保持原来的运动学模型的功能。我们展示了本体感受和外感受能力(RGB-D相机和柔性传感器),用于两个相反的操作问题:抓取小物体和大物体。最后,我们验证了改进的SofIA夹持器在农业和日常活动。
2022-11-14 cs.RO
Fin-QD: A Computational Design Framework for Soft Grippers: Integrating MAP-Elites and High-fidelity FEM
University of Cambridge(剑桥大学);CSIRO(联邦科学与工业研究组织);Data61
本研究提出了一种基于质量-多样性方法的自动化计算设计优化框架Fin-QD,通过集成MAP-Elites和高保真FEM,探索了包含28个设计参数的软体夹爪庞大设计空间,生成了能分别抓取几何形状迥异物体的多样化夹爪设计。
2023-11-21 cs.AI cs.RO
Viko: An Adaptive Gecko Gripper with Vision-based Tactile Sensor
Hong Kong University of Science and Technology(香港科技大学);Nanjing University of Information Science and Technology(南京信息工程大学)
监测接触状态对于机器人设备至关重要,特别是使用壁虎粘合剂的夹具,其中紧密接触对于牢固附着至关重要。然而,由于缺乏可变形的传感器,很少有证明触觉感知的壁虎夹具。我们提出了Viko,一个自适应壁虎抓手,利用基于视觉的触觉传感器来监测接触状态。该传感器提供接触面积和剪切力的高分辨率实时测量。此外,传感器是自适应的,低成本的,和紧凑的。我们将壁虎风格的粘合剂集成到传感器表面,而不会影响其适应性和性能。利用机械手臂,我们评估了一系列的抓取测试的性能的夹具。即使在30度的低指尖俯仰角下,夹持器的最大有效载荷也为8N。我们还展示了抓手的能力,调整指尖姿势更好地接触使用传感器反馈。此外,日常物体采摘作为示范的夹具的适应性。
2021-05-03 cs.RO
Enabling a Unified Cross-Domain Representation for Two-Finger Gripper Manipulation via Interaction-Centric Modeling
Renmin University of China(中国人民大学);Zhipu AI(智谱AI);Tsinghua University(清华大学)
提出交互中心建模框架,通过通用夹爪抽象和混合特征实现双指夹爪操作的跨域表示,首次在模仿学习中同时达到竞争性基准分数和跨具身零样本迁移。
2026-09-28 cs.CV cs.RO
GelSight Fin Ray: Incorporating Tactile Sensing into a Soft Compliant Robotic Gripper
Massachusetts Institute of Technology(麻省理工学院)
为了适应不断变化的环境,并安全地与人类互动,机器人应该具有柔顺和柔软的特性,以及感知周围世界的能力。即便如此,将触觉感知结合到软顺应机器人中,如鳍雷手指,由于其可变形结构而很困难。不仅需要修改框架,为视觉传感器留出空间,从而实现复杂的触觉感知,机器人还必须保持其原始的机械顺应性。然而,将高分辨率触觉传感器添加到柔软的手指是困难的,因为许多传感器化的手指(诸如基于GelSight的手指)是刚性的,并且在感测区域中的变化仅来自触觉接触而不是来自手指顺应性的假设下起作用。传感器化的柔软机器人手指需要能够将其整体本体感受变化与其触觉信息分开。为此,本文介绍了一种新的设计GelSight鳍射线,它既体现了被动适应它掌握的任何对象的能力,也体现了执行高分辨率触觉重建,对象方向估计和剪切力和扭转力的标记跟踪的能力。拥有这些功能,柔软且顺从的机器人可以执行更多需要传感的操作任务。手指能够成功执行的一个这样的任务是厨房任务:酒杯的重新定向和放置,这很难用外部视觉传感器来完成,但用触觉感知就很容易了。这种传感技术的发展也有可能应用于其他软柔性夹具,提高其在许多不同领域的可行性。
2022-04-14 cs.RO
CaRoBio: 3D Cable Routing with a Bio-inspired Gripper Fingernail
Department of Electronic and Computer Engineering(电子与计算机工程系);Hong Kong University of Science and Technology(香港科技大学)
本文提出一种受老鹰启发的夹持器指甲及单次抓取端到端3D线缆布线框架,通过视觉状态估计与离线轨迹规划实现连续控制,在多种线缆与通道槽实验中显著优于传统抓放策略。
2025-08-13 cs.AI cs.RO
A Multimodal, Enveloping Soft Gripper: Shape Conformation, Bioinspired Adhesion, and Expansion-Driven Suction
Beihang University(北京航空航天大学);California NanoSystems Institute(加州纳米系统研究所);University of California, Santa Barbara(加州大学圣巴巴拉分校)
机器人技术的一个关键挑战是创建有效的方法来抓取具有不同形状,大小,姿势和属性的物体。用类似手的末端执行器抓持通常需要仔细选择手的取向和手指的放置。在这里,我们提出了一个软,无指抓手能够有效地产生多种抓取模式。它是基于一个软,圆柱形手风琴结构,包含耦合,平行的流体通道。它通过从单个流体端口供应的压力来控制。充气打开夹持器孔以包裹物体,而放气允许其产生抓持力。内部采用类似壁虎的皮肤图案,增加摩擦力,使夹持器能够举起重达20 N的物体。我们的设计确保了易碎的物体,如鸡蛋,可以安全地处理,凭借墙壁屈曲机制。夹持器可以集成唇缘,该唇缘使其能够形成密封,并且在充气时产生吸力以提升具有平坦表面的物体。抓持器还可以被充气以膨胀到开口或孔口中,用于利用手柄或开口抓持物体。我们描述了这种设备的设计和制造,并提出了一个分析模型,其行为时,从一个单一的流体端口。在实验中,我们展示了它的能力,掌握不同的对象,并表明其性能很好地描述了我们的模型。我们的研究结果表明,无指软抓手可以有效地执行各种抓取操作。这些设备可以提高机器人系统的能力,以满足具有重大经济和社会意义的领域的应用。
2019-12-14 cs.RO
Proprioception-Based Grasping for Unknown Objects Using a Series-Elastic-Actuated Gripper
Columbia University(哥伦比亚大学)
几十年来,抓取未知物体一直是一个活跃的研究课题。方法的范围从使用各种传感器(例如视觉、触觉)来获得关于物体的信息,到构建对接触做出适当反应的被动顺应的手。在本文中,我们专注于掌握未知的物体使用本体感觉(关节位置和扭矩传感的组合)。我们的假设是,本体感觉单独可以是多功能性能的基础,包括多种形状和大小的物体的多种类型的抓握,以及抓握之间的过渡。使用一个系列的弹性驱动的夹具,我们提出了一种方法,用于执行稳定的指尖掌握未知的接触,制定为多输入多输出(MIMO)控制的未知对象。我们还表明,本体感觉夹具可以执行包络抓地力,以及从指尖抓地力包络抓地力的过渡。
2018-08-01 cs.RO
Two-fingered Hand with Gear-type Synchronization Mechanism with Magnet for Improved Small and Offset Objects Grasping: F2 Hand
Preferred Networks, Inc.(首选网络公司);Sony AI(索尼人工智能)
本文提出F2 Hand双指机械手,通过带磁体的齿轮式同步机构兼顾指尖对齐抓取小物体与自适应抓取偏心物体,可抓取从易碎物到重物并保持位姿。
2023-09-20 cs.RO
Koala Gripper: Co-designing Robotic Grippers and Data-Capture Devices for Scaling Dexterous Manipulation Learning
本文提出协同设计框架,开发Koala Gripper系统,该系统兼具数据采集与机器人夹持器功能,可提升灵巧操作能力,经端到端管道验证能支持演示学习,助力扩展操作数据集规模。
2026-08-24 cs.RO
Inter-finger Small Object Manipulation with DenseTact Optical Tactile Sensor
Stanford University(斯坦福大学)
本文提出利用配备DenseTact 2.0触觉传感器的八自由度夹爪,在杂乱环境中实现5-25mm小物体的精确抓取与定向,结合专用数据集和新控制算法,达到88%的抓取成功率。
2023-08-31 cs.RO
Designing Pin-pression Gripper and Learning its Dexterous Grasping with Online In-hand Adjustment
Dalian University of Technology(大连理工大学);Wuhan University(武汉大学);Shenyang University of Technology(沈阳理工大学);National University of Defense Technology(国防科技大学)
受按钉玩具启发,我们设计了一种可动态调整按钉伸缩的平行颚式夹爪,并开发了专用强化学习与课程学习算法,实现高效抓取和手内调整,展现出对未知物体的强泛化能力,且成功实现仿真到实物的迁移。
2025-05-25 cs.RO
A novel object slicing based grasp planner for 3D object grasping using underactuated robot gripper
IIT Kharagpur(印度理工学院克勒格布尔分校)
即使在完全已知的环境中,机器人抓取任意物体仍然是一个具有挑战性的问题。大多数以前开发的算法集中在指尖抓取,未能解决问题,即使是完全驱动的手/夹具在自适应/包裹型的把握,其中每个手指与对象在几个点接触。运动学封闭形式的解决方案是不可能的,这样一个铰接的手指,同时达到几个给定的目标点。提出了一种基于物体切片方法的欠驱动机器人手爪最佳抓取计算框架。该方法使用对象切片技术快速找到接触,并使用抓取质量度量从抓取池中找到最佳抓取。为了验证所提出的方法,实施已经做了24个家庭的对象和玩具使用两个手指欠驱动机器人夹持器。与许多其他现有的方法不同,所提出的方法具有以下几个优点:它可以处理具有复杂形状和尺寸的对象;它不需要将对象简化为原始几何形状;最重要的是,它可以应用于使用深度传感器的点云;它考虑到夹具运动学约束,并为自适应/包络和指尖类型的抓握生成可行的抓握。
2019-07-22 cs.CG cs.RO
High-speed electrical connector assembly by structured compliance in a finray-effect gripper
TU Berlin(柏林工业大学);Fraunhofer IPK(弗劳恩霍夫生产设备与设计技术研究所)
本文提出一种一体化增材制造的鳍条效应手指,通过在指尖近端实现方向相关的结构化柔顺性,支持高速机械搜索与自对准插接,在电连接器装配任务中实现了7.5 mm公差窗口和1.3 m/s接近速度。
2023-07-28 cs.RO
Configuração e operação da plataforma Clearpath Husky A200 e manipulador Cobot UR5 2-finger gripper
Universidad Tecnológica del Uruguay(乌拉圭技术大学);Ostfalia University of Applied Sciences(奥斯特法利亚应用科学大学)
本文介绍 Clearpath Husky A200 与 Cobot UR5 二指夹爪机械臂的初始配置和功能验证,为新用户及机器人项目应用提供参考。
2024-10-28 cs.RO
RISO: Combining Rigid Grippers with Soft Switchable Adhesives
Virginia Tech(弗吉尼亚理工大学)
帮助人类的机器人手臂应该能够拿起,移动和释放日常物品。今天的辅助机器人手臂使用刚性抓取器来夹持手指之间的物品;虽然这些刚性抓取器非常适合大型和重型物体,但它们通常难以抓取小型,众多或精致的物品(如食物)。软夹持器涵盖了光谱的另一端;这些夹持器使用粘合剂或改变形状来包裹小而不规则的物品,但不能施加操纵重物所需的大力量。在本文中,我们介绍了刚性软(RISO)夹具,结合可切换的软粘合剂与标准的刚性机制,使各种各样的机器人抓取。我们开发RISO夹持器,利用新型软材料,通过可控制的形状和刚度调整实时改变粘附力。通过将这些软粘合剂安装在刚性手指的底部,我们创建了一个夹持器,该夹持器可以使用纯刚性抓握(捏住物体)或纯软抓握(粘附在物体上)与物体相互作用。这种增加的能力需要额外的决策,因此,我们制定了一个共享的控制方法,部分自动化的机器人手臂的运动。在实践中,该控制器对齐RISO夹持器,同时推断人类想要抓住的对象,以及人类想要如何抓住该项目。我们的用户研究表明,RISO抓取器可以从现有的数据集中拾取、移动和释放家居用品,并且当人类和机器人之间共享控制时,系统可以更成功、更有效地执行抓取。请在此观看视频:https://youtu.be/5uLUkBYcnwg
2022-10-27 cs.RO
Variable compliance and geometry regulation of Soft-Bubble grippers with active pressure control
Toyota Research Institute (TRI)(丰田研究所(TRI))
虽然柔性抓取器在机器人操作中变得越来越普遍,但找到合适的刚度和几何形状来抓取各种各样的物体仍然是一个关键挑战。在飞行中调整刚度和夹持器几何形状两者可以提供操纵在家庭环境中发现的大范围物体所需的多功能性。我们提出了一个系统,用于主动控制的几何形状(充气水平)和软泡夹持器的顺应性-空气填充,高度顺应性的平行夹持器的手指纳入视觉触觉传感。所提出的系统,使大的,控制的变化夹持手指的几何形状和把握刚度,以及简单的手操纵。我们还证明,尽管有这些变化,先进的感知能力,如密集的几何形状和剪切力测量的持续可行性-我们提出了一个简单的扩展,我们以前提出的方法测量剪切引起的位移使用内部成像传感器,并考虑到压力和几何形状的变化。我们量化的控制变化的抓自由的几何形状,把握刚度和接触补丁的几何形状导致的压力调节,我们展示了新的能力,在家里的抓地力在有限的空间,操纵工具,需要较低和较高的刚度把握,以及接触补丁调制。
2021-03-15 cs.RO
Fit2Form: 3D Generative Model for Robot Gripper Form Design
Columbia University(哥伦比亚大学)
机器人末端执行器的3D形状在确定其功能和整体性能方面起着关键作用。许多工业应用依赖于特定任务的夹持器设计,以确保系统的鲁棒性和准确性。然而,手动硬件设计的过程既昂贵又耗时,并且最终设计的质量取决于工程师的经验和领域专业知识,这很容易过时或不准确。这项工作的目标是使用机器学习算法来自动化特定任务的夹持器手指的设计。我们提出了Fit2Form,这是一个3D生成设计框架,可以生成成对的手指形状,以最大限度地提高设计目标(即,抓取成功、稳定性和鲁棒性)。我们通过训练一个健身网络来模拟设计目标,以预测它们对抓手手指及其相应抓取对象的值。然后,该健身网络为3D生成网络提供监督,该生成网络为目标抓取对象生成一对3D手指几何形状。我们的实验表明,所提出的3D生成设计框架生成平行颚夹爪手指形状,实现更稳定和强大的把握相比,其他通用和特定任务的夹具设计算法。视频可以在https://youtu.be/utKHP3qb1bg上找到。
2020-11-12 cs.AI cs.CV cs.LG
G.O.G: A Versatile Gripper-On-Gripper Design for Bimanual Cloth Manipulation with a Single Robotic Arm
Imperial College London(伦敦帝国理工学院)
本文提出 G.O.G. 夹爪上夹爪末端执行器,通过可变摩擦双模式手指与最大500 mm跨度设计,使单机械臂能够完成多种双手布料操作任务。
2024-01-19 cs.RO
Fish Mouth Inspired Origami Gripper for Robust Multi-Type Underwater Grasping
University of California, Berkeley(加州大学伯克利分校)
针对水下抓取面临的复杂环境与多样物体挑战,研究提出受鱼嘴启发的单自由度Yoshimura折痕折纸夹爪,具备四种抓取模式,可处理多种海洋生物,为水下机器人抓取提供有效新方案。
2025-03-20 cs.RO
Compliant finray-effect gripper for high-speed robotic assembly of electrical components
TU Berlin(柏林工业大学);Fraunhofer IPK(弗劳恩霍夫生产系统与设计技术研究所)
精密装配任务(如电连接器插入)具有严格的公差和敏感的部件,限制了机器人装配的速度和鲁棒性,即使在使用视觉、触觉或力传感器时也是如此。连接器插入是一项常见的工业任务,需要用最小的力来补偿水平对准误差,然后在插入方向上施加足够的力。还需要处理各种物体、实现高速以及处理物体位置变化的宽范围的能力。软夹持器可以允许夹持具有不同表面几何形状的零件,但通常只专注于夹持,可能无法提供所需的装配力。为了实现高速连接器插入,本文提出了单片手指与结构化的顺应性和形式封闭功能。鳍射线效应夹持器适于实现允许高速机械搜索、插入中的自对准和足够的组装力的结构化(即,方向性)刚度。对鳍肋和指尖的设计进行了研究,最终设计允许在高速下以高达7.5 mm的公差窗口插入插头。
2023-01-20 cs.RO
Active Surface-Driven Reconfigurable Gripper: Robust Grasping and Sequential Manipulation of Thin Objects
Zhejiang University(浙江大学);Torch Kernel Co., Ltd.(炬芯科技股份有限公司)
该研究针对现有机械夹爪抓取薄物体时稳健性不足的问题,提出主动表面驱动的可重构欠驱动夹爪,通过设计、建模、优化及实验验证,实现薄物体的可靠抓取与顺序操作。
2026-08-28 cs.RO
Hybrid Soft Electrostatic Metamaterial Gripper for Multi-surface, Multi-object Adaptation
Empa - Swiss Federal Laboratories for Materials Science and Technology(瑞士联邦材料科学与技术实验室(Empa));École Polytechnique Fédérale de Lausanne(洛桑联邦理工学院);Imperial College London(帝国理工学院);Commonwealth Scientific and Industrial Research Organisation (CSIRO)(英联邦科学与工业研究组织(CSIRO))
本研究研发出一款混合式柔性静电超材料夹持器,通过超材料粘附设计调控不同方向粘附力,兼顾精细抓取与大载荷(达自重1617倍),释放速度更快,经多类实验验证了其多表面、多物体适配的模块化自适应能力。
2024-03-10 cs.RO
Ultra-Low-Impedance Robotic Gripper for High-Bandwidth and Transparent Physical Interaction
Sogang University(西江大学)
该研究提出新型9自由度三指差动直接驱动夹爪,结合低减速比差动传动,实现低阻抗、高带宽透明物理交互,解决力矩与硬件复杂度的权衡,为无传感器力估计提供基础。
2026-09-18 cs.RO
Sinkage Study in Granular Material for Space Exploration Legged Robot Gripper
Tohoku University(东北大学);Technische Universität Berlin(柏林工业大学);University at Buffalo(布法罗大学)
针对月球深层区域探测需求,本文研究欠驱动柔性夹持器在颗粒材料中的下陷特性,搭建试验台并建立耦合离散元的仿真模型,验证后可估算月壤环境下的下陷量,助力提升足式机器人移动精度。
2025-01-10 cs.RO