Bi-directional Momentum-based Haptic Feedback and Control System for In-Hand Dexterous Telemanipulation

📄 arXiv: 2409.20527v2 📥 PDF

作者: Haoyang Wang, Haoran Guo, He Ba, Zhengxiong Li, Lingfeng Tao

分类: cs.RO

发布日期: 2024-09-30 (更新: 2025-04-13)

备注: This work has been submitted to the IEEE for possible publication

💡 一句话要点

提出基于双向动量触觉反馈与控制系统，用于灵巧手遥操作

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 触觉反馈 遥操作 灵巧手 动量反馈 扭矩反馈

📋 核心要点

  1. 现有灵巧手遥操作触觉设备主要集中于力反馈，缺乏有效的扭矩反馈，这对于涉及物体旋转的任务至关重要。
  2. Bi-Hap系统利用掌上动量驱动机构实现实时触觉和扭矩反馈，并结合IMU提取操作指令，构建闭环学习遥操作框架。
  3. 实验表明，Bi-Hap系统实现了低延迟（<0.025秒）和高精度（RMSE < 0.010牛米）的扭矩反馈，提升了操作性能。

📝 摘要（中文）

本文提出了一种双向动量触觉反馈与控制（Bi-Hap）系统，用于灵巧手遥操作。该系统利用掌上大小的动量驱动机构实现实时的触觉和扭矩反馈。Bi-Hap系统还集成了惯性测量单元（IMU），以提取人类的操作指令，从而建立一个基于闭环学习的遥操作框架。此外，还引入了一种误差自适应反馈策略，以增强操作员在不同误差类别中的感知和任务表现。实验结果表明，Bi-Hap实现了低指令跟随延迟（<0.025秒）和高精度扭矩反馈（RMSE < 0.010牛米）的反馈能力。

🔬 方法详解

问题定义：现有灵巧手遥操作的触觉反馈设备主要集中于力反馈，而忽略了扭矩反馈的重要性。在需要旋转物体的任务中，缺乏扭矩反馈会严重影响操作的稳定性和直观性。现有的扭矩反馈解决方案通常依赖于笨重的机械设计，难以应用于便携式或手持式设备。

核心思路：本文的核心思路是利用动量效应产生扭矩反馈。通过控制一个小型旋转质量块的角速度，可以产生与操作者期望的扭矩方向相反的扭矩，从而模拟物体旋转时的阻力或惯性。这种方法避免了复杂的机械结构，可以实现紧凑的设备设计。

技术框架：Bi-Hap系统的整体框架包括三个主要模块：1) 人手运动捕捉模块：使用IMU传感器获取人手的运动姿态和操作指令。2) 动量驱动触觉反馈模块：利用动量轮产生扭矩反馈，模拟物体旋转时的力感。3) 控制与学习模块：基于闭环学习算法，根据人手操作指令和反馈误差，动态调整动量轮的控制参数，实现精确的扭矩反馈。此外，还设计了误差自适应反馈策略，针对不同类型的误差调整反馈强度。

关键创新：该论文的关键创新在于将动量效应应用于手持式触觉反馈设备，实现了紧凑、轻量化的扭矩反馈方案。与传统的基于齿轮或机械耦合的扭矩反馈方案相比，Bi-Hap系统具有体积小、重量轻、响应速度快的优点。此外，误差自适应反馈策略能够根据不同类型的误差调整反馈强度，进一步提升操作性能。

关键设计：Bi-Hap系统采用掌上大小的动量轮，通过精确控制动量轮的角速度来实现扭矩反馈。控制算法采用PID控制，并结合前馈补偿，以提高响应速度和精度。误差自适应反馈策略根据误差的大小和类型，动态调整PID控制器的参数。IMU传感器的采样频率设置为100Hz，以保证运动捕捉的精度。闭环学习算法采用强化学习方法，通过不断试错来优化控制参数。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，Bi-Hap系统实现了低延迟（<0.025秒）和高精度（RMSE < 0.010牛米）的扭矩反馈。与没有触觉反馈的控制方案相比，使用Bi-Hap系统的操作者在物体旋转任务中的完成时间和误差均显著降低。误差自适应反馈策略能够进一步提升操作性能，尤其是在存在较大误差的情况下。

🎯 应用场景

该研究成果可应用于远程医疗手术、虚拟装配、机器人辅助训练等领域。通过提供精确的力觉和扭矩反馈，操作者可以更加直观地控制远程机器人，完成精细的操作任务。未来，该技术有望应用于消费级VR/AR设备，提升用户在虚拟环境中的交互体验。

📄 摘要（原文）

In-hand dexterous telemanipulation requires not only precise remote motion control of the robot but also effective haptic feedback to the human operator to ensure stable and intuitive interactions between them. Most existing haptic devices for dexterous telemanipulation focus on force feedback and lack effective torque rendering, which is essential for tasks involving object rotation. While some torque feedback solutions in virtual reality applications-such as those based on geared motors or mechanically coupled actuators-have been explored, they often rely on bulky mechanical designs, limiting their use in portable or in-hand applications. In this paper, we propose a Bi-directional Momentum-based Haptic Feedback and Control (Bi-Hap) system that utilizes a palm-sized momentum-actuated mechanism to enable real-time haptic and torque feedback. The Bi-Hap system also integrates an Inertial Measurement Unit (IMU) to extract the human's manipulation command to establish a closed-loop learning-based telemanipulation framework. Furthermore, an error-adaptive feedback strategy is introduced to enhance operator perception and task performance in different error categories. Experimental evaluations demonstrate that Bi-Hap achieved feedback capability with low command following latency (Delay < 0.025 s) and highly accurate torque feedback (RMSE < 0.010 Nm).