Bionic Reflex Control Strategy for Robotic Finger with Kinematic Constraints
Department of Mechanical Engineering(机械工程系);Indian Institute of Technology Kharagpur(印度理工学院卡里格普分校);Indian Institute of Technology Guwahati(印度理工学院古瓦哈蒂)
本文提出了一种用于具有运动学约束的机械手指的仿生反射控制策略,通过力跟踪阻抗控制策略实现仿生反射,减少手指的动力学模型并讨论了允许精确力跟踪的阻抗控制策略,展示了单指在平面上支撑矩形物体的仿真结果,反射响应时间在毫秒级。
2018-08-06 cs.RO cs.SY eess.SY
Design and Kinematic Optimization of a Novel Underactuated Robotic Hand Exoskeleton
Scuola Superiore Sant’Anna(圣安娜高等研究院)
本研究提出了一种新型的,欠驱动的,基于连杆的机器人手外骨骼的设计和运动学优化,以帮助用户执行抓取任务。该器械设计为在手指屈曲/伸展过程中仅向指骨施加法向力,同时为不同尺寸的手指提供自动适应性。因此,确保了与使用者手指的连接的容易性和更好的舒适性。分析了该装置的运动学位姿、静力学和抓取稳定性。这些分析已被用来优化机构的连杆长度,确保满足合理的运动范围,同时最大限度地提高手指关节上的力传递。最后,一个多手指的原型的可用性进行了测试,在不同的物体抓取任务。
2020-05-07 cs.HC cs.RO
Combinatorial Optimization of Robotic Hand Kinematic Structures Using a Potential-Dexterity-Based QUBO Formulation
Advanced Robotics Research Center, Korea Institute of Machinery & Materials (KIMM)(韩国机械材料研究院先进机器人研究中心);Mechanical Engineering, University of Science & Technology (UST)(科学技术大学机械工程系)
本文提出基于二次无约束二元优化的框架,用于机器人设计优化,通过运动学结构级评估指标进行经典计算和量子退火优化,以机械手为例验证了该方法的有效性。
2026-10-01 cs.RO
The Hand-object Kinematic Model for Bimanual Manipulation
Polytechnic University of Catalonia(加泰罗尼亚理工大学)
本文提出一种基于平面运动几何特征的手-物体运动学模型,通过手指构型选择与关节值求解,为双手操作生成优化策略,并在仿真中验证了对未知物体旋转和直线运动的完成能力。
2024-01-12 cs.RO cs.SY eess.SY
A Kinematic Framework for Screening Candidate Pinch Configurations in Robotic Hand Design without Object or Contact Models
Advanced Robotics Research Center, Korea Institute of Machinery & Materials (KIMM)(韩国机械材料研究院先进机器人研究中心)
本文提出一种无需物体或接触模型的机械手抓取能力评估方法,通过分析指尖工作空间的交互关系,评估机械手的抓取配置,为机械手设计提供工具。
2026-09-07 cs.RO
Geometric In-Hand Regrasp Planning: Alternating Optimization of Finger Gaits and In-Grasp Manipulation
University of Utah Robotics Center(犹他大学机器人中心);School of Computing University of Utah(犹他大学计算机学院)
本文探讨的问题,自主,在手regrasping-移动从一个物体上的初始把握所需的把握使用灵巧的机器人的手指的问题。我们提出了一个计划,这个问题之间的交替手指步态,掌握操纵。手指步态使机器人能够将单个手指移动到物体上的新接触位置,而其余手指稳定地保持物体。抓取操作将物体移动到相对于机器人手掌的新姿势,同时保持手和物体之间的接触位置。给定对象的几何形状(作为一个网格),手的运动学结构,以及初始和所需的把握,我们计划一系列的手指步态和对象休息的行动,以达到所需的把握,而不会下降的对象。我们提出了一个基于优化的方法,并报告在手中重握计划为5个对象超过5个在手重握目标。我们的规划器生成的计划是无碰撞的,并保证运动学的可行性。
2018-04-12 cs.RO
The Multi-fingered Kinematic Model for Dual-arm Manipulation
Polytechnic University of Catalonia(加泰罗尼亚理工大学)
本文提出一种基于手指构型反馈的强化学习框架,通过同时与交错两种策略优化双臂操作中的抓取质量,在物体轮廓和质心未知的情况下提升成功率和手指运动精度。
2024-01-14 cs.RO cs.SY eess.SY
Kinematic Optimization of Phalanx Length Ratios in Robotic Hands Using Potential Dexterity
Advanced Robotics Research Center, Korea Institute of Machinery & Materials (KIMM)(韩国机械材料研究院先进机器人研究中心)
本文提出基于潜在灵巧性的机械手指节长度比优化框架,通过全局操作性、工作空间体积等指标评估,识别最优设计配置,分析可达性、灵巧性和可控性之间的权衡。
2026-04-22 cs.RO
GEX: Democratizing Dexterity with Fully-Actuated Dexterous Hand and Exoskeleton Glove
Huazhong University of Science and Technology(华中科技大学)
GEX通过全驱动灵巧手与外骨骼手套结合,实现低成本高保真灵巧操作,推动具身AI和机器人技能迁移学习。
2025-12-05 cs.RO
Designing a Mechanical Tool for Robots with 2-Finger Parallel Grippers
Osaka University(大阪大学);National Inst. of AIST(日本产业技术综合研究所)
本工作设计了一个机械工具的机器人与2手指平行的夹具,它扩展了机器人夹具的功能,而不需要额外的工具交换器或其他致动器。机械工具的基本运动结构是两个对称的平行四边形,其将机器人夹持器的运动传递到机械工具。四个扭转弹簧连接到两个平行四边形的四个内部接头,以在机器人夹具释放时打开工具。详细分析了力和传输,以确保工具在夹持力和弹簧刚度方面反应良好。同时,根据机床的运动结构,设计了多种工具提示,使机床能够完成不同的任务。运动学结构可以是应用各种巧妙的夹持器设计的平台。所设计的工具可作为一个正常的对象,并通过自动规划抓取拾取和使用。机器人可以通过附接到工具主体的AR标记来定位工具,通过选择自动规划的抓取来抓取工具,并且将工具从任意姿势移动到特定姿势以抓取物体。机器人还可以根据给定任务的要求确定最佳抓握和使用。
2019-02-25 cs.RO
KineFuse: Kinematic-Aware Haptic Fusion for In-Hand Occluded-Object Pose Tracking
Center for Humanoid Research, KIST(韩国科学技术院人形机器人研究中心);Korea University(韩国大学)
研究如何利用多手指手上的稀疏触觉信号补充预训练视觉姿态跟踪器以应对遮挡,提出运动感知手指级编码器,经多级别评估对比,验证其能提升跟踪成功率,在下游任务表现更好并提供真实世界演示。
2026-07-17 cs.RO
Self-Contained and Automatic Calibration of a Multi-Fingered Hand Using Only Pairwise Contact Measurements
DLR Institute of Robotics & Mechatronics(德国航空航天中心机器人与机电一体化研究所);Deggendorf Institute of Technology(代根多夫应用技术大学);Technical University of Munich(慕尼黑工业大学)
本文提出一种仅靠指尖成对接触即可自动标定多指机器人手运动学的方法,无需外部传感器,实验证明其灵敏度与视觉标定相当,能将DLR-Hand II的最大误差从17.7mm降至3.7mm。
2023-12-06 cs.RO
Towards Predicting Fine Finger Motions from Ultrasound Images via Kinematic Representation
Technion(以色列理工学院)
制造机器人假肢的一个核心挑战是创建一个基于传感器的系统,该系统能够读取下肢的生理信号,并指示机器人手执行各种任务。现有系统通常通过采用肌电图(EMG)或超声(US)技术来分析肌肉状态来执行离散手势,诸如指向或抓握。虽然过去已经通过检测突出的手势来估计手指手势,但我们对在随时间演变的精细运动的上下文中进行的检测或推断感兴趣。示例包括在执行精细和灵巧的任务时发生的运动,例如键盘打字或钢琴演奏。我们认为这项任务是提高手臂截肢者采用机器人假肢的重要一步,因为它有可能大大增加执行日常任务的功能。为此,我们提出了一个端到端的机器人系统,它可以成功地推断出精细的手指运动。这是通过将手建模为机器人操纵器并将其用作从US图像序列编码肌肉动态的中间表示来实现的。我们通过从一组受试者中收集数据并演示如何使用它来重放播放的音乐或键入的文本来评估我们的方法。据我们所知,这是第一个在端到端系统中展示这些下游任务的研究。
2022-09-28 cs.CV cs.RO
Efficient Grasp Planning and Execution with Multi-Fingered Hands by Surface Fitting
University of California, Berkeley(加州大学伯克利分校)
本文介绍了一个多指手抓取规划框架。该框架包括用于抓取规划的多维迭代曲面拟合(MDISF)和用于抓取想象的抓取轨迹优化(GTO)。MDISF算法通过最小化碰撞和表面拟合误差来搜索最佳接触区域和手部配置,GTO算法生成最佳手指轨迹以达到高排名的抓取配置并避免与环境碰撞。所提出的抓取规划和想象框架考虑了手-机器人系统的碰撞避免和运动学,并且能够使用捕获的点云利用基于梯度的方法有效地规划不同类别的抓取和轨迹。所发现的把握和轨迹是强大的传感噪声和潜在的不确定性。仿真和实验验证了该框架的有效性。
2019-07-18 cs.RO
A new robotic hand based on the design of fingers with spatial motions
Armor Méca(阿尔默机械公司);École Centrale de Nantes(南特中央理工学院);CNRS(法国国家科学研究中心)
本文提出了一种新的手结构与三个欠驱动的手指。每个手指执行空间运动,以实现比现有的平面运动手指更复杂和更多样的抓取。这只手的目的是在复杂形状的工件离开加工中心时抓住它们。在夹具的分类中,圆柱形夹具和球形夹具通常用于抓取重物。这两种模式的结合使得可以捕获大多数5轴机床加工的工件。然而,抓取模式的改变需要手指重新配置自己来执行空间运动。这种解决方案需要增加两个或三个致动器来改变手指的位置,并需要传感器来识别工件的形状并确定要使用的抓取类型。本文提出将欠驱动手指的概念扩展到空间运动。在介绍了手指的运动学之后,讨论了该机构的稳定性问题以及力的传递。通过对雅可比力传递矩阵的研究,给出了计算稳定性条件的完整方法。CAD表示的手和它的行为在球形和圆柱形夹具。
2021-06-17 cs.RO
Functional Force-Aware Retargeting from Virtual Human Demos to Soft Robot Policies
本文提出SoftAct框架,通过显式考虑接触力来教软机器人手执行类人操作技能。采用虚拟现实技术捕获丰富的示范数据,结合两阶段力感知重定向算法,实现力平衡映射和实时接触优化,提升软机器人在复杂任务中的表现。
2026-04-01 cs.RO
Robotically adjustable kinematics in a wrist-driven orthosis eases grasping across tasks
University of California, Berkeley(加利福尼亚大学伯克利分校)
针对C5-7脊髓损伤患者使用腕驱动抓握矫形器时的腕部约束问题,研究引入连续机器人电机辅助调节腕部姿势,证明其可降低任务难度并提升跨姿势易用性。
2024-07-22 cs.RO
Design and stability analysis of an underactuated hand with passively rotating fingers
研究具有空间移动性的欠驱动机器人手指,通过创新设计简化运动复杂性,引入稳定性标准和差动机构,经实验验证理论结果,降低了机械复杂性等,推动了柔顺机器人手发展,为未来自主操作研究奠定基础。
2026-07-22 cs.RO
Decoding High-Dimensional Finger Motion from EMG Using Riemannian Features and RNNs
Neuromove, ULB Neuroscience Institute, ULB, Brussels, Belgium(Neuromove,ULB神经科学研究所,ULB,布鲁塞尔,比利时);WEL Research Institute, Wavre, Belgium(WEL研究机构,瓦尔特,比利时)
本文提出TRR模型,利用多带Riemannian协方差特征序列解码手指运动,实现高维手指运动的连续EMG到运动学回归,提升了跨受试者和内受试者评估的精度。
2026-04-24 cs.LG cs.RO
Design method for an anthropomorphic hand able to gesture and grasp
Institut de Recherche en Communications et Cybernétique de Nantes(南特通信与控制论研究所);Aldebaran(阿尔德巴兰);LUNAM University(卢南大学);University of Poitiers(普瓦捷大学)
本文提出了一种拟人机器人手的运动学模型构思和设计的数值方法,用于手势和抓取。在文献中,有几个数值方法的手指放置人类启发的机器人手。特别是,没有数值方法,拇指的位置,旨在提高手的灵活性和把握能力,通过保持手的设计接近人类的。虽然现有的模型通常是连续的参数调整的结果,所提出的方法确定的手指放置的经验测试。通过手术实验和全手工作空间分析,根据手的运动学和结构特点,确定拇指的最佳位置和方向。结果通过模拟进行验证,检查手看起来平衡良好,符合我们的限制和需求。所提出的方法提供了一个数值工具,它允许简单的计算手指和拇指的几何形状和基地放置一个像人一样灵巧的机器人手。
2015-04-05 cs.RO
Complex In-Hand Manipulation via Compliance-Enabled Finger Gaiting and Multi-Modal Planning
Yale University(耶鲁大学);Rice University(莱斯大学);Rutgers University(罗格斯大学)
将接触约束为在操纵期间保持固定在对象上会限制潜在的工作空间大小,因为运动受制于手的运动学拓扑。手指步态是减轻这种限制的一种方法。它允许触点自由断开和重新连接,以便在不同的操作歧管上操作。然而,这种能力传统上难以或不可能实际实现。手指步态系统必须同时计划和控制物体上的力,同时在触点切换期间保持稳定性。这项工作通过利用系统顺应性来简化传统要求,允许手在保持稳定抓握的同时更容易地切换触点。我们的方法实现了完整的SO(3)手指步态控制的抓持对象对重力通过开发一个操纵规划器,通过正交安全模式的兼容,欠驱动的手没有触觉传感器或关节编码器。在操作过程中,低延迟的6D姿态对象跟踪器通过视觉提供反馈,允许规划器在线更新其计划,以便自适应地从轨迹偏差中恢复。该方法的有效性是通过在一个真实的机器人上操纵凸和非凸物体来展示的。其鲁棒性通过扰动抑制和长轨迹目标进行评估。据作者所知,这是第一个通过手指步态和无支撑表面自主实现完全SO(3)控制手内物体的工作,阐明了实现真正机器人手内操作能力的宝贵一步。
2022-01-20 cs.RO
Exploiting Kinematic Redundancy for Robotic Grasping of Multiple Objects
École Polytechnique Fédérale de Lausanne (EPFL)(洛桑联邦理工学院)
在日常生活中,人类协调手的丰富的自由度(DoF)以灵巧地执行任务。我们模仿人类的策略,以提高多自由度机器人手的灵活性。具体来说,我们使机器人手抓住多个对象,利用其运动冗余,指的是其所有的可控自由度。我们提出了一个类似人类的把握合成算法生成把握使用成对接触的任意相对的手表面区域,不再局限于指尖或手内表面。为了模拟手的可用空间进行抓取,我们构建了一个可达性图,包括所有手指指骨和手掌的可达空间。它指导约束优化问题的制定,解决可行和稳定的把握。我们制定了一个迭代的过程,使机器人的手抓住多个物体的顺序。此外,我们提出了一个运动效率的度量和相关的策略,以促进利用运动冗余。我们通过使用各种手表面区域生成单个和多个对象的抓握来验证我们的方法。这样的抓握可以在真正的机器人手上成功地复制。
2023-03-30 cs.RO cs.SY eess.SY
Design of an Adaptive Modular Anthropomorphic Dexterous Hand for Human-like Manipulation
School of Artificial Intelligence and Robotics, Hunan University(人工智能与机器人学院,湖南大学)
本文提出了一种具有4自由度的仿人手指拓扑结构,并基于此设计了自适应模块化灵活手,通过生物协同原理实现人样的抓取与操作。
2025-11-27 cs.RO
Design of a Fully Actuated 4-DOF Robotic Finger With Joint-Specific Hybrid Remote Actuation
Advanced Robotics Research Center, Korea Institute of Machinery & Materials (KIMM)(韩国机械与材料研究院(KIMM)先进机器人研究中心);Mechanical Engineering, University of Science & Technology (UST)(科学技术大学(UST)机械工程系)
本文设计了一种全驱动4自由度机器人手指,采用关节特异性混合远程驱动架构,实现MCP刚性连杆与PIP/DIP线缆独立驱动,并验证了机械解耦与指尖力性能。
2026-10-08 cs.RO
Biomimetic Evaluation of an Underwater Soft Hand Through Deep Learning-based 3D Pose Reconstruction
Harbin Engineering University(哈尔滨工程大学)
本文提出一种基于Faster RCNN与U-Net的深度学习三维姿态重建方法,用于分析水下双向软体手的抓取运动,并通过与人类手部对比验证其类人抓取性能。
2022-03-16 cs.RO
Tactile Perception in Upper Limb Prostheses: Mechanical Characterization, Human Experiments, and Computational Findings
Istituto Italiano di Tecnologia(意大利技术研究院);Centro di ricerca E. Piaggio, University of Pisa(比萨大学E.皮亚焦研究中心);Department of Information Engineering, University of Pisa(比萨大学信息工程系);Department of Mechanical Engineering and Bioengineering Program, University of California, Santa Barbara(加州大学圣巴巴拉分校机械工程与生物工程项目)
本研究探讨了四种不同假手的振动触觉感知,发现简单刚性假手更利于触觉信息传递与手指接触区分,且机器学习算法在区分接触手指上优于人类,为高级假肢的振动触觉反馈集成奠定了基础。
2024-08-22 cs.HC cs.RO
Decoupled Quadratic Kalman Filter for Elliptical Extended Object Tracking with Log-normal Axis Modeling
University of Göttingen(戈丁根大学)
本文提出了一种基于解耦状态组件的椭圆扩展目标跟踪算法,通过减少近似程度提升跟踪精度,并在实测数据中验证了其有效性。
2026-08-13 cs.RO eess.SP