DOGlove: Dexterous Manipulation with a Low-Cost Open-Source Haptic Force Feedback Glove

📄 arXiv: 2502.07730v1 📥 PDF

作者: Han Zhang, Songbo Hu, Zhecheng Yuan, Huazhe Xu

分类: cs.RO

发布日期: 2025-02-11

🔗 代码/项目: PROJECT_PAGE

💡 一句话要点

DOGlove：低成本开源触觉力反馈手套，用于灵巧操作和遥操作

🎯 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: 遥操作 触觉反馈 力反馈 灵巧手 开源硬件 机器人控制 人机交互

📋 核心要点

  1. 现有遥操作系统依赖昂贵设备，缺乏多模态感知反馈，限制了操作员感知物体属性和执行复杂操作的能力。
  2. DOGlove通过低成本的硬件设计，结合动作和触觉力重定向，实现了精确且沉浸式的灵巧机械手遥操作。
  3. 实验表明，DOGlove在复杂任务中表现出色，即使在无视觉反馈的情况下，触觉力反馈也显著提升了任务成功率。

📝 摘要（中文）

本文提出DOGlove，一个低成本、精确且具有触觉力反馈的手套系统，用于遥操作和灵巧操作。DOGlove的组装成本低于600美元，可在数小时内完成。它具有定制的关节结构，用于21自由度的运动捕捉；紧凑的电缆驱动扭矩传输机制，用于5自由度的多方向力反馈；以及线性谐振致动器，用于5自由度的指尖触觉反馈。通过动作和触觉力重定向，DOGlove能够实现灵巧机械手的精确和沉浸式遥操作，并在复杂的、接触丰富的任务中实现高成功率。我们进一步评估了DOGlove在没有视觉反馈的情况下的性能，证明了触觉力反馈在任务执行中的关键作用。此外，我们利用收集的演示数据来训练模仿学习策略，突显了DOGlove的潜力和有效性。DOGlove的硬件和软件系统将在https://do-glove.github.io/上完全开源。

🔬 方法详解

问题定义：现有灵巧手遥操作系统成本高昂，且缺乏充分的触觉反馈，导致操作员难以感知环境和执行复杂操作，尤其是在接触丰富的场景中。这限制了遥操作在实际应用中的可行性。

核心思路：DOGlove的核心思路是设计一个低成本、开源的触觉力反馈手套，通过精确的运动捕捉和多模态触觉反馈，增强操作员的临场感和操作能力。通过动作和力觉的重定向，将人的操作映射到机械手上，并把机械手受到的力反馈给操作者。

技术框架：DOGlove系统主要包含三个部分：运动捕捉模块、力反馈模块和触觉反馈模块。运动捕捉模块采用定制的关节结构，实现21自由度的手部运动追踪。力反馈模块使用紧凑的电缆驱动扭矩传输机制，提供5自由度的多方向力反馈。触觉反馈模块则利用线性谐振致动器，提供5自由度的指尖触觉反馈。整个系统通过软件进行控制和数据处理，实现动作和力觉的重定向。

关键创新：DOGlove的关键创新在于其低成本、开源的设计理念，以及在有限成本下实现的多自由度运动捕捉和多模态触觉反馈。此外，该系统还采用了动作和力觉重定向技术，优化了遥操作的精度和沉浸感。

关键设计：DOGlove的关节结构经过优化，以实现精确的运动捕捉。电缆驱动的力反馈机制采用紧凑的设计，以减少手套的体积和重量。线性谐振致动器的选择考虑了其响应速度和力反馈范围。软件方面，动作和力觉重定向算法的设计旨在最小化操作员的认知负担，并提高操作的自然性。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，DOGlove在复杂的、接触丰富的任务中实现了高成功率。在没有视觉反馈的情况下，DOGlove仍然能够显著提升任务性能，证明了触觉力反馈的重要性。此外，利用DOGlove收集的演示数据训练的模仿学习策略，也取得了良好的效果，验证了DOGlove在机器人学习方面的潜力。

🎯 应用场景

DOGlove具有广泛的应用前景，包括远程医疗、危险环境下的机器人操作、虚拟现实/增强现实交互、以及机器人技能学习等。通过提供低成本、高精度的触觉反馈，DOGlove可以显著提升远程操作的效率和安全性，并为机器人学习提供高质量的训练数据。未来，DOGlove有望成为普及机器人技术的关键工具。

📄 摘要（原文）

Dexterous hand teleoperation plays a pivotal role in enabling robots to achieve human-level manipulation dexterity. However, current teleoperation systems often rely on expensive equipment and lack multi-modal sensory feedback, restricting human operators' ability to perceive object properties and perform complex manipulation tasks. To address these limitations, we present DOGlove, a low-cost, precise, and haptic force feedback glove system for teleoperation and manipulation. DoGlove can be assembled in hours at a cost under 600 USD. It features a customized joint structure for 21-DoF motion capture, a compact cable-driven torque transmission mechanism for 5-DoF multidirectional force feedback, and a linear resonate actuator for 5-DoF fingertip haptic feedback. Leveraging action and haptic force retargeting, DOGlove enables precise and immersive teleoperation of dexterous robotic hands, achieving high success rates in complex, contact-rich tasks. We further evaluate DOGlove in scenarios without visual feedback, demonstrating the critical role of haptic force feedback in task performance. In addition, we utilize the collected demonstrations to train imitation learning policies, highlighting the potential and effectiveness of DOGlove. DOGlove's hardware and software system will be fully open-sourced at https://do-glove.github.io/.