Rotograb: Combining Biomimetic Hands with Industrial Grippers using a Rotating Thumb
作者: Arnaud Bersier, Matteo Leonforte, Alessio Vanetta, Sarah Lia Andrea Wotke, Andrea Nappi, Yifan Zhou, Sebastiano Oliani, Alexander M. Kübler, Robert K. Katzschmann
分类: cs.RO, eess.SY
发布日期: 2024-12-04
期刊: 2024 International Conference on Intelligent Robots and Systems
💡 一句话要点
Rotograb：结合仿生手与工业夹爪，利用旋转拇指实现灵巧操作
🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱二：RL算法与架构 (RL & Architecture)
关键词: 机器人手 灵巧操作 旋转拇指 肌腱驱动 强化学习 遥操作 仿生设计
📋 核心要点
- 现有机器人手在灵巧性和工业效率之间难以兼顾，限制了其在复杂自动化任务中的应用。
- Rotograb通过引入旋转拇指，结合仿生设计与工业夹爪的优势，提升了操作空间和灵巧性。
- 实验表明，Rotograb在抓取和操作YCB数据集中的物体时表现出色，尤其擅长在抓握中旋转物体。
📝 摘要（中文）
本研究提出了Rotograb，一种新型肌腱驱动的机器人手，其特点是具有创新的旋转拇指。旨在结合人手的灵巧性与工业夹爪的效率。旋转拇指扩大了工作空间，并允许在手操作。一种新颖的关节设计最大限度地减少了运动干涉，并简化了运动学，使用切口进行肌腱布线。集成了遥操作，使用深度相机进行实时跟踪，以及通过近端策略优化强化学习驱动的自主操作。实验评估表明，Rotograb的旋转拇指极大地提高了操作的多功能性和工作空间。它可以处理来自YCB数据集的各种抓取和操作任务，尤其是在旋转抓取物体时效果良好。Rotograb代表了弥合人手和工业夹爪之间能力差距的重要一步。肌腱布线和拇指旋转机制实现了新的控制和灵巧度水平。遥操作和自主学习的集成突出了Rotograb的适应性和复杂性，有望在机器人研究和实际应用中取得重大进展。
🔬 方法详解
问题定义：现有工业夹爪虽然效率高，但在灵巧性方面远不如人手，难以完成复杂的操作任务。仿生机器人手虽然灵巧，但往往结构复杂、控制困难，难以满足工业应用的效率要求。因此，如何设计一种兼具人手灵巧性和工业夹爪效率的机器人手是一个关键问题。
核心思路：Rotograb的核心思路是结合仿生手和工业夹爪的优点，通过引入一个可旋转的拇指来扩大工作空间和提高灵巧性。旋转拇指的设计允许在抓握过程中进行物体操作，从而实现更复杂的任务。同时，通过优化的关节设计和肌腱布线，简化了运动学模型，降低了控制难度。
技术框架：Rotograb系统主要包括以下几个模块：1) 机械手本体：包含四个手指和一个可旋转的拇指，采用肌腱驱动方式；2) 深度相机：用于实时跟踪物体的位置和姿态；3) 遥操作界面：允许人工控制机械手进行操作；4) 强化学习模块：使用近端策略优化（PPO）算法训练机械手自主完成操作任务。整体流程是：首先通过深度相机获取环境信息，然后可以选择通过遥操作界面进行人工控制，或者通过强化学习模块进行自主操作。
关键创新：Rotograb的关键创新在于其旋转拇指的设计。传统的机器人手拇指通常只能进行有限的屈伸运动，而Rotograb的拇指可以进行旋转，从而极大地扩展了操作空间和灵巧性。此外，新颖的关节设计和肌腱布线方式也简化了运动学模型，降低了控制难度。
关键设计：Rotograb的拇指旋转关节采用了一种特殊的切口设计，允许肌腱在关节内部自由移动，从而避免了运动干涉。肌腱的布线方式也经过优化，使得每个手指的运动都可以独立控制。在强化学习方面，使用了近端策略优化（PPO）算法，并针对机器人手的特点设计了奖励函数，以鼓励机械手学习到高效的操作策略。
🖼️ 关键图片
📊 实验亮点
实验结果表明，Rotograb的旋转拇指显著提高了操作的多功能性和工作空间。在YCB数据集上的抓取和操作任务中，Rotograb表现出色，尤其是在旋转抓握物体时，成功率明显高于传统的机器人手。具体数据未知，但论文强调了旋转拇指带来的显著提升。
🎯 应用场景
Rotograb在自动化生产线、仓储物流、医疗康复等领域具有广泛的应用前景。例如，在自动化生产线上，Rotograb可以用于抓取和组装各种形状和大小的零件；在仓储物流领域，可以用于拣选和包装货物；在医疗康复领域，可以作为辅助设备帮助患者进行康复训练。该研究的成果有望推动机器人技术在实际应用中的普及。
📄 摘要（原文）
The development of robotic grippers and hands for automation aims to emulate human dexterity without sacrificing the efficiency of industrial grippers. This study introduces Rotograb, a tendon-actuated robotic hand featuring a novel rotating thumb. The aim is to combine the dexterity of human hands with the efficiency of industrial grippers. The rotating thumb enlarges the workspace and allows in-hand manipulation. A novel joint design minimizes movement interference and simplifies kinematics, using a cutout for tendon routing. We integrate teleoperation, using a depth camera for real-time tracking and autonomous manipulation powered by reinforcement learning with proximal policy optimization. Experimental evaluations demonstrate that Rotograb's rotating thumb greatly improves both operational versatility and workspace. It can handle various grasping and manipulation tasks with objects from the YCB dataset, with particularly good results when rotating objects within its grasp. Rotograb represents a notable step towards bridging the capability gap between human hands and industrial grippers. The tendon-routing and thumb-rotating mechanisms allow for a new level of control and dexterity. Integrating teleoperation and autonomous learning underscores Rotograb's adaptability and sophistication, promising substantial advancements in both robotics research and practical applications.