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
Design of a Fully Actuated Robotic Hand With Multiple Gelsight Tactile Sensors
Massachusetts Institute of Technology（麻省理工学院）
这项工作详细介绍了一种新型的两个手指的机器人夹持器与多个Gelsight的光学触觉传感器覆盖的手的内表面的设计。多个Gelsight传感器可以同时从多个视图收集物体的表面拓扑结构，并可以跟踪剪切应力和拉伸应力。此外，其他感测模态使手能够从被抓握的物体收集热、声和振动信息。力控夹持器是完全致动的，因此它可以用于各种抓取配置，也可以用于手操作任务。在这里，我们提出了这样的夹具的设计。
2020-02-06 cs.RO
Augmenting Off-the-Shelf Grippers with Tactile Sensing
Ghent University（根特大学）；imec（比利时微电子研究中心）
针对现成工业夹爪缺乏触觉反馈、自研传感器繁杂难对比的问题，研究团队提出一套专为精细操作设计、数据易解读的开源触觉指尖，经布料边缘与线缆追踪任务验证有效，相关资源已开源。
2023-06-09 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
Single-grasp deformable object discrimination: the effect of gripper morphology, sensing modalities, and action parameters
Czech Technical University in Prague（布拉格捷克理工大学）；Faculty of Electrical Engineering, Czech Technical University in Prague（布拉格捷克理工大学电气工程学院）；Czech Institute of Informatics, Robotics, and Cybernetics, Czech Technical University in Prague（布拉格捷克理工大学捷克信息学、机器人学与控制论研究所）
本研究系统探讨了夹爪形态、传感模量与动作参数对单次抓取可变形物体触觉判别的影响，发现SVM和LSTM表现最佳，压缩速度和抓取配置影响泛化，且触觉传感器在刚度识别中具关键优势。
2024-11-13 cs.RO
Tendon-Driven Soft Robotic Gripper with Integrated Ripeness Sensing for Blackberry Harvesting
Georgia Institute of Technology（佐治亚理工学院）；Georgia Institute of Technology/Emory（佐治亚理工学院/埃默里大学）
全球粮食需求不断增长，加上持续的劳动力短缺，推动了自动化农业收割的需求。虽然一些特殊作物（例如，苹果、桃、蓝莓）可以通过现有的收获方式收获，但黑莓和乌藨子等水果需要小心处理，以减轻可能严重影响销路的水果损害。这推动了软机器人解决方案的开发，从而实现高效，精细的收获。本文介绍了一种肌腱驱动的软夹持系统的设计，制造和可行性测试集中在黑莓，这是一个脆弱的水果容易受到采后损害。该夹持器既低成本又小形状因子，允许集成用于肌腱收缩的微伺服系统、利用反射模态识别完全成熟的黑莓的基于近红外（NIR）的黑莓成熟度传感器以及用于UR-5的视觉伺服的内窥镜摄像机。在两个单独的田间试验中，使用该夹持器通过手动定位收获139个浆果。田间试验发现，成熟和未成熟黑莓的平均保持力分别为2.06 N和6.08 N。传感器测试确定了成熟和未成熟的黑莓的平均反射率分别为16.78和21.70，表明两个成熟度水平之间的明显区别。最后，软机器人夹持器集成到UR 5机械臂上，并在实验室环境中使用视觉伺服成功地收获了15个人造黑莓。
2023-02-06 cs.RO
SCANS: A Soft Gripper with Curvature and Spectroscopy Sensors for In-Hand Material Differentiation
Electrical and Computer Engineering Department, Northeastern University（电气与计算机工程系，东北大学）；Lincoln Laboratory, Massachusetts Institute of Technology（林肯实验室，麻省理工学院）
本研究提出无电子、流体驱动的SCANS柔性夹爪系统，集成曲率与光谱传感，可在预接触和握持状态下区分多类材料，验证了近红外波段的关键作用，推动光学在柔性机器人中的多功能感知应用。
2025-10-02 cs.RO
Force/Torque Sensing for Soft Grippers using an External Camera
Georgia Institute of Technology（佐治亚理工学院）；Hello Robot Inc.（Hello机器人公司）
本文提出VFTS方法，利用外部鱼眼摄像头观察软体夹爪，通过深度学习从单张RGB图像估计六轴力/力矩，在医疗保健相关任务中优于基于电机电流的估计，并成功泛化到新环境。
2023-05-08 cs.RO
A bistable soft gripper with mechanically embedded sensing and actuation for fast closed-loop grasping
BioRobotics Institute, Scuola Superiore Sant’Anna（圣安娜高等研究院生物机器人研究所）
软机器人夹具被证明是高效率的抓持非结构化的物体与简单的传感和控制策略。然而，它们仍然受到其速度、感测能力和致动机制的限制。因此，他们的使用已被限制在高度动态的抓取任务。本文提出了一种可调阻尼特性的柔性机器人手爪，用于无传感器动态抓取。该机制允许我们在软系统中存储任意大的应变能，然后在接触时释放。该机构还提供了致动机构类型的灵活性，因为抓取和感测阶段是完全被动的。背后的机制的理论背景与有限元分析提供深入了解设计参数。最后，我们通过实验证明了无传感器动态抓取一个未知的物体在0.02秒内，包括感测和致动的时间。
2019-02-13 cs.RO
Pregrasp Object Material Classification by a Novel Gripper Design with Integrated Spectroscopy
Northeastern University（东北大学）
机器人受益于能够根据其材料特性对它们与之交互或操纵的对象进行分类。这种能力确保了通过正确的抓取姿势和力选择来精细操作复杂的物体。以前的工作集中在触觉或视觉处理，以确定在把握时间的材料类型。在这项工作中，我们介绍了一种新的并联机器人夹持器的设计和收集光谱读数和视觉图像的方法，从夹持器的手指。我们训练一个非线性的支持向量机（SVM），可以通过递归估计来分类要抓取的物体的材料，随着从指尖到物体的距离减小，置信度增加。为了验证硬件设计和分类方法，我们收集了来自16个真实和假水果品种（由聚苯乙烯/塑料组成）的样本，从而得到一个包含光谱曲线，场景图像和高分辨率纹理图像的数据集，因为对象被抓住，解除和释放。我们的建模方法在32类决策问题中对对象进行分类的准确率为96.4%。这表示在区分视觉上相似的材料方面，性能比现有技术的计算机视觉算法提高了29.4%。与以前的工作相比，我们的递归估计模型占增加光谱信号强度，并允许作出决定，作为抓手接近一个对象。我们的结论是，光谱学是一种很有前途的传感方式，使机器人不仅可以分类抓住的物体，但也了解其底层的材料成分。
2022-07-03 cs.RO
Soft Rigid Hybrid Gripper with Inflatable Silicone Pockets for Tunable Frictional Grasping
本研究提出了一种结合刚性结构和可膨胀硅胶口袋的混合夹爪，通过调节内部空气压力实现可调摩擦抓取，有效抓取重物、滑腻物和易碎物，减少对物体的损伤。
2026-03-07 cs.RO
Toward a Millimeter-Scale Tendon-Driven Continuum Wrist with Integrated Gripper for Microsurgical Applications
University of Utah（犹他大学）
本研究提出一种基于双光子聚合技术制造的毫米级腱驱动连续体腕部及集成夹持器，实现超90度弯曲与夹持功能，有望提升眼内显微手术的灵巧性与效果。
2023-06-26 cs.RO
Toward Gripper-Integrated Active Electrosense for Pre-Contact Sensing in Underwater Soft Grippers
Intelligent Biomimetic Design Lab, School of Advanced Manufacturing and Robotics, State Key Laboratory for Turbulence and Complex Systems, College of Engineering, Peking University（智能仿生设计实验室，先进制造与机器人学院，湍流与复杂系统国家重点实验室，北京大学）；National Engineering Research Center of Software Engineering, Peking University（软件工程国家工程研究中心，北京大学）；Institute of Ocean Research, Peking University（海洋研究所，北京大学）
针对水下视觉受限问题，提出一种集成于软体夹爪的主动电感知方法，通过测量导电介质中电场扰动实现预接触信号检测，实验表明多电极电压读数可检测物体引起的结构化变化。
2026-06-02 cs.RO eess.SP
A Miniature High-Resolution Tension Sensor Based on a Photo-Reflector for Robotic Hands and Grippers
Mechatronics, Systems and Control (MSC) laboratory, Korea Advanced Institute of Science and Technology (KAIST)（机电系统与控制（MSC）实验室，韩国科学技术院（KAIST））
本文提出一种基于光反射器的小型高分辨率张力传感器，通过对称弹性体结构和近场位移测量实现200 N量程、9.9 mN分辨率，力控制RMSE低至0.073 N，适用于机器人手和夹爪。
2025-07-01 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
An analysis of sensor selection for fruit picking with suction-based grippers
Collaborative Robotics and Intelligent Systems (CoRIS) Institute（协作机器人与智能系统研究所）
本文提出一种多模态传感系统，用于评估不同采摘阶段传感器的效用，通过实验证明随机森林和多层感知器在检测成功采摘和即将失败事件中的高准确率。
2026-04-27 cs.LG cs.RO cs.SY
TacPalm: A Soft Gripper with a Biomimetic Optical Tactile Palm for Stable Precise Grasping
King’s College London（伦敦国王学院）；University of Bristol（布里斯托尔大学）；Imperial College London（伦敦帝国理工学院）；Bristol Robotics Laboratory（布里斯托尔机器人实验室）
本文提出在软体夹爪掌部集成TacTip光学触觉传感器，并通过轻接触检测、抓取姿态调整和脱离接触检测三种策略，将抓取成功率从45%提升至97%，实现亚毫米级精确放置。
2024-09-23 cs.RO
FruitTouch: A Perceptive Gripper for Gentle and Scalable Fruit Harvesting
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
FruitTouch通过集成高分辨率视觉触觉感知，实现紧凑、低成本的水果采摘，有效提升抓取稳定性和损伤预防能力。
2026-02-22 cs.RO
Developing Simulation Models for Soft Robotic Grippers in Webots
Faculty of Science and Engineering, University of Groningen（格罗宁根大学科学与工程学院）；School of Electrical Engineering and Informatics, Bandung Institute of Technology（班达理工大学电气工程与信息学院）
针对现有仿真器难以同时处理软体与刚性机器人的问题，在Webots中开发基于RLD模型和PSO参数优化的轻量级开源软体夹爪数字孪生，并通过实验验证了其有效性。
2024-11-11 cs.RO
Perception, Control and Hardware for In-Hand Slip-Aware Object Manipulation with Parallel Grippers
Department of Electrical Engineering, Chalmers University of Technology, Sweden（电气工程系，查尔姆斯理工大学，瑞典）；Department of Automatic Control, Lund University, Sweden（自动控制系，隆德大学，瑞典）
本文提出了一种基于传感器的夹具，用于实现滑动感知的在手操控，通过四个控制器有效提升了对平面物体的操控能力。
2025-11-21 cs.RO cs.SY eess.SY
Seamless Integration of Tactile Sensors for Cobots
Ghent University（根特大学）；imec（比利时微电子研究中心）
针对工业夹爪缺乏触觉反馈及现有传感器集成复杂的问题，提出一种基于微控制器且兼容Arduino的传感器读取方案，实现与Robotiq夹爪无缝集成，有效降低集成难度并加速相关研究。
2023-09-11 cs.RO
MagicGripper: A Multimodal Sensor-Integrated Gripper for Contact-Rich Robotic Manipulation
Department of Bioengineering, Imperial College London（帝国理工学院伦敦分校生物工程系）；School of Robotics, Xi’an Jiaotong-Liverpool University（西安交通大学利物浦大学机器人学院）
本文提出了一种多模态传感器集成夹爪MagicGripper，通过集成紧凑型三维多层触觉传感器mini-MagicTac，结合高分辨率触觉、接近觉与视觉感知，有效解决了非结构化环境中富接触操作的精确感知与自适应控制问题。
2025-05-30 cs.RO eess.SP
Design and Evaluation of a Novel Cable-Driven Gripper with Perception Capabilities for Strawberry Picking Robots
Norwegian University of Life Sciences（挪威生命科学大学）；University of Minnesota（明尼苏达大学）
本文提出了一种新型的电缆驱动的草莓自主收获的感知能力的夹具。实验表明，与现有系统相比，该夹持器可以更准确，更快地采摘草莓。抓取器由传感、拾取、传输和存储四个功能部分组成。它有六个手指，打开形成一个封闭的空间，吞下一个目标草莓，并推动周围的其他浆果远离目标。配备了三个红外传感器，夹持器控制机械臂来纠正位置误差，从而可以采摘视觉算法无法准确定位的草莓，提高了鲁棒性。实验表明，夹持器在浆果上是温和的，因为它只是切割茎，在切割过程中没有与浆果的物理相互作用。我们表明，在处理孤立的草莓时，夹具具有接近完美的成功采摘率。通过包括内部感知，我们获得了高的位置误差容限，并避免使用缓慢的高水平闭环控制。此外，夹持器可以存储多个浆果，这减少了机械手的总行进距离，并大大减少了采摘单个草莓所需的时间。实验结果表明，夹持器的设计减少采摘执行时间显着相比，文献中发现的结果。
2018-04-25 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
TacSE3: Equivariant SE(3) Motion Estimation from Low-Texture Visuotactile Images for In-Gripper Tracking and Compensation
Hong Kong Center for Construction Robotics, The Hong Kong University of Science and Technology, Hong Kong, China（香港建设机器人中心，香港科技大学，中国香港）；The Hong Kong University of Science and Technology (Guangzhou), China（香港科技大学（广州），中国）；School of Engineering, Great Bay University, Dongguan, China（工程学院，大湾大学，中国东莞）
提出TacSE3，一种将低纹理视触觉观测转化为解耦三维力场并估计SE(3)增量刚体运动的触觉运动估计流程，通过双传感器感知减少平移-旋转歧义，实现夹爪内跟踪与补偿。
2026-05-27 cs.RO
TacSpin: Tactile Tracking of In-Gripper Object Rotation on SO(3) via Axis-Magnitude Estimation
School of AI and Robotics, Hunan University（湖南大学人工智能与机器人学院）
TacSpin方法仅用两个视觉触觉传感器，通过分别估计旋转轴与幅值并融合手指响应，实现夹持器内物体SO(3)旋转的低误差跟踪，在标准与真实物体上均有效。
2026-10-14 cs.RO
TacFR-Gripper: A Reconfigurable Fin Ray-Based Compliant Robotic Gripper with Tactile Skin for In-Hand Manipulation
University of Bristol（布里斯托大学）；Bristol Robotics Lab（布里斯托机器人实验室）；Imperial College London（伦敦帝国学院）
本文提出TacFR-Gripper，一种基于鳍射线可重构柔性抓取器，集成触觉皮肤和GNN感知，实现高成功率抓取与灵巧手内操作。
2023-11-17 cs.RO
Force Sensor-Based Picking Pattern Analysis and Two-Jaw Gripper Design for Cherry Tomato Robotic Harvesting in Greenhouse
Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）；Khalifa University（哈利法大学）；University of Windsor（温莎大学）
本研究提出力数据驱动的樱桃番茄机器人采摘框架，通过分析三种采摘模式的力/力矩特征设计Finray夹爪，在温室试验中实现86.0%采摘成功率，性能优于多种传统末端执行器。
2026-10-14 cs.RO
SPINE Gripper: A Twisted Underactuated Mechanism-based Passive Mode-Transition Gripper
Department of Civil and Environmental Engineering, Korea Advanced Institute of Science and Technology（环境与土木工程系，韩国科学技术院）
SPINE Gripper通过机械设计实现无需传感器或主动控制的双向抓取与旋转转换，展示非共面多功能操作的机械实现。
2026-01-11 cs.RO
Acoustic Sensing for Universal Jamming Grippers
Robotics and Biology Laboratory, Technische Universität Berlin（技术大学柏林机器人与生物学实验室）；Science of Intelligence, Research Cluster of Excellence, Berlin（柏林智能科学卓越研究中心）；Robotics Institute Germany（德国机器人研究所）
本文提出一种基于声学传感的通用阻塞夹持器，利用夹持器自身作为传感器，实现高精度物体识别与抓取性能。
2026-02-27 cs.AI cs.LG cs.RO
Disambiguate Gripper State in Grasp-Based Tasks: Pseudo-Tactile as Feedback Enables Pure Simulation Learning
Zhejiang University（浙江大学）；Huawei（华为）
针对抓取任务中夹爪状态歧义降低模仿学习鲁棒性的问题，提出以伪触觉作为反馈的方法，无需额外数据与硬件即可提供无噪声二元状态观测，实现纯仿真学习并在三个真实任务中验证了其有效性与高效性。
2026-10-06 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
A Novel Approach to Tomato Harvesting Using a Hybrid Gripper with Semantic Segmentation and Keypoint Detection
TSTS
本文提出了一种结合语义分割和关键点检测的新型番茄采摘系统，通过混合机械手和智能控制实现高效、安全的采摘
2025-12-03 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
Hierarchical Performance-Based Design Optimization Framework for Soft Grippers
University of Luxembourg（卢森堡大学）
提出一种分层性能驱动框架，通过任务、运动、设计三层协同优化多指软体抓取器，平衡性能并提升复杂任务可扩展性。
2025-03-25 cs.RO
Rotating Objects via In-Hand Pivoting using Vision, Force and Touch
Monash University（莫纳什大学）；Deakin University（迪肯大学）
本研究提出融合视觉、腕部力觉与触觉的机器人手部枢转操作系统，通过闭环双控制器实现物体绕夹持点旋转，实验验证其无抬升滑移且能效优于单模态与拾取-放置方案。
2023-10-06 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
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
Hybrid Robotic Grasping with a Soft Multimodal Gripper and a Deep Multistage Learning Scheme
Carnegie Mellon University（卡内基梅隆大学）；Tsinghua University（清华大学）；University of California, Los Angeles（加州大学洛杉矶分校）
本文提出一种结合软多模态夹爪的深度强化学习框架，实现多阶段混合机器人抓取，通过三种抓取模式优化动作数量，在仿真和真实实验中最大提升抓取效率161%和154%。
2023-03-06 cs.RO
BaRiFlex: A Robotic Gripper with Versatility and Collision Robustness for Robot Learning
Department of Mechanical Engineering, The University of Texas at Austin（机械工程系，德克萨斯大学奥斯汀分校）；Department of Computer Science, The University of Texas at Austin（计算机科学系，德克萨斯大学奥斯汀分校）
本文提出BaRiFlex夹爪，通过低惯量执行器与刚柔混合设计实现高反向驱动性、碰撞鲁棒性和抓取多功能性，并验证其优于刚性Franka Hand和Fin-Ray软体夹爪，能有效支持强化学习训练。
2023-12-08 cs.RO
GLoTouch: Global-to-Local Haptic Perception Using a Parallel Gripper for Object Search, Recognition, and Grasping Without External Vision
Shanghai Jiao Tong University（上海交通大学）；The University of Hong Kong（香港大学）
针对黑暗环境下无视觉的机器人操作，提出GLoTouch框架，利用平行夹爪和探针实现全局定位与局部触觉匹配，完成物体搜索、识别与抓取。
2026-09-24 cs.RO
MIM-VLA: Learning Physical Interaction Representations from Gripper Motor Feedback
Gachon University（嘉泉大学）
MIM-VLA通过编码夹爪电机反馈为交互令牌，仅调节SmolVLA的夹爪动作通路，在真实场景中提升交互阻力选择准确率至75.0%，无需额外触觉传感器。
2026-10-07 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
Whole-Body Proprioceptive Morphing: A Modular Soft Gripper for Robust Cross-Scale Grasping
Mechanical Engineering Department at the University of Michigan-Ann Arbor（密歇根大学安娜堡分校机械工程系）；Robotics Department at the University of Michigan-Ann Arbor（密歇根大学安娜堡分校机器人学系）
受章鱼启发，提出一种基于模块化自感知气动执行器网络的全身本体感知形态变换软体夹爪，通过分布式驱动与集成传感实现拓扑重构，显著提升了跨尺度与复杂形状物体的鲁棒抓取能力。
2025-10-31 cs.RO
A Novel Grip Force Measurement Concept for Tactile Stimulation Mechanisms -- Design, Validation, and User Study
Ben-Gurion University of the Negev（本古里安大学内盖夫分校）
我们开发了一种新的握力测量概念，允许嵌入触觉刺激机制的抓手。该概念基于单个力传感器来测量施加在夹持器的每一侧上的力，并且它大大减少了由触觉器运动引起的力测量的伪影。为了测试这一新概念的可行性，我们建立了一个设备，测量控制的握力响应于触觉刺激从一个移动的触觉。首先，我们使用了一个定制设计的测试装置，其中有第二个力传感器，在0到20 N的范围内校准我们的设备，而不移动触觉器。其次，我们测试了触觉器运动对测得的握力的影响，并测量了1%测得的力的伪影。第三，我们证明了在动态变化的夹持力的应用中，平均误差为2.9%和3.7%的左右两侧的夹具，分别。最后，我们进行了一项用户研究，发现在对触觉运动的反应中，参与者增加了他们的握力，并且对于较小的目标力，增加的幅度更大，并且取决于触觉刺激的量。
2020-06-07 cs.RO
Online Elasticity Estimation and Material Sorting Using Standard Robot Grippers
Czech Technical University in Prague（布拉格捷克理工大学）
本研究利用标准机器人夹爪和力传感器通过压缩估计材料弹性与粘弹性，明确了影响估计精度的因素，验证了单次抓取的材料区分能力，并在模拟回收场景中实现了多材质分拣。
2024-05-17 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
Grasp Failure Constraints for Fast and Reliable Pick-and-Place Using Multi-Suction-Cup Grippers
The University of Texas at Austin（德克萨斯大学奥斯汀分校）；Dexterity, Inc.（Dexterity公司）
本文针对多吸盘抓取器抓取重物时的失败预测难题，提出基于二次规划求解载荷分布的通用建模方法，并构建可集成到时间最优轨迹规划的抓取失败约束，实现快速可靠的拾放操作。
2024-08-07 cs.RO
Learning Force-Regulated Robotic Manipulation with a Low-Cost Tactile-Force-Controlled Gripper
University of Virginia（弗吉尼亚大学）；Columbia University（哥伦比亚大学）
本文提出TF-Gripper和RETAF框架，通过低成本触觉-力控夹具和高频率力调节方法，提升机器人在日常力敏感物体上的操控精度与稳定性。
2026-10-07 cs.RO
Learning Cross-hand Policies for High-DOF Reaching and Grasping
National University of Defense Technology（国防科技大学）；Shenzhen University（深圳大学）；Hunan University（湖南大学）
本文提出一种两阶段统一策略学习方法，通过夹爪无关的关键点位移预测与夹爪特定的关节控制适应，结合transformer网络实现抓取策略在不同灵巧夹爪间的迁移，显著优于基线方法。
2025-02-02 cs.GR cs.RO
A High-Force Gripper with Embedded Multimodal Sensing for Powerful and Perception Driven Grasping
Leonardo S.p.A.（莱昂纳多公司）；Istituto Italiano di Tecnologia（意大利技术研究院）；Università di Trento（特伦托大学）；Università degli Studi di Genova（热那亚大学）
本文提出一种模块化高抓取力抓取器，集成手眼相机、ToF、IMU和麦克风等多模态感知，实现110 N抓取力并支持感知驱动抓取，同时提出与手臂运动和热状态相关的负载评估指标。
2025-04-07 cs.AI cs.RO
Scalable, Simulation-Guided Compliant Tactile Finger Design
Massachusetts Institute of Technology（麻省理工学院）；Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所）；University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
针对柔性结构与高分辨率触觉感知协同设计的难题，提出融合有限元力学仿真与PBR光学仿真的GelSight Fin Ray传感器端到端设计框架，可优化多类设计参数，缩短原型周期，验证日常物品抓取效用。
2024-03-07 cs.RO
Calf-Integrated Arms for Bimanual Quadruped Loco-Manipulation
University College London（伦敦大学学院）
研究双足四足运动操纵设计权衡问题，核心方法是将特定操纵器集成到前小腿，实现双手地面操纵且四足着地、基座可行走，借助视觉语言模型排序技能，模拟中完成三项双手任务。
2026-07-14 cs.RO
From Transportation to Manipulation: Enabling Grasping in Magnetic Robotics
Bielefeld University（比勒费尔德大学）；Fraunhofer IOSB-INA（弗劳恩霍夫IOSB-INA研究所）
本文提出Gripper MagBot，一种低成本并联6自由度磁悬浮机械臂，集成1自由度夹爪，实现磁悬浮系统上的直接抓取与操控，支持两种配置，并通过仿真和实物验证了拾取放置能力。
2026-09-14 cs.RO
