Beyond Anthropomorphism: Enhancing Grasping and Eliminating a Degree of Freedom by Fusing the Abduction of Digits Four and Five

📄 arXiv: 2509.13074v2 📥 PDF

作者: Simon Fritsch, Liam Achenbach, Riccardo Bianco, Nicola Irmiger, Gawain Marti, Samuel Visca, Chenyu Yang, Davide Liconti, Barnabas Gavin Cangan, Robert Jomar Malate, Ronan J. Hinchet, Robert K. Katzschmann

分类: cs.RO

发布日期: 2025-09-16 (更新: 2025-10-03)

备注: The first five listed authors have equal contribution. This work has been accepted to the IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) 2025

💡 一句话要点

SABD手：融合四指和五指外展/内收自由度，提升抓取能力并简化机械结构

🎯 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 抓取 灵巧操作 强化学习 自由度 机械设计 遥操作

📋 核心要点

  1. 现有机器人手设计过度依赖拟人化，在抓取范围、灵活性和结构复杂性方面存在局限。
  2. SABD手通过融合第四指和第五指的内收/外展关节，减少自由度，扩大抓取范围，并提升抓取稳定性。
  3. 实验表明，SABD手能够抓取更大物体，提升抓取稳定性，并在遥操作中表现出良好的抓取成功率。

📝 摘要（中文）

本文提出了一种名为SABD手的16自由度机器人手，它突破了纯粹的拟人化设计，旨在扩展抓取范围，实现超越人类能力的操纵姿势，并减少所需的执行器数量。该设计通过将第四指和第五指的内收/外展（Add/Abd）关节合并为一个具有大运动范围的单一关节来实现上述目标。合并后的关节将手指的工作空间增加了400%，并在保持灵巧性的同时减少了所需的自由度。实验结果表明，合并后的Add/Abd关节使该手能够抓取侧面距离高达200毫米的物体。基于强化学习的研究表明，该设计能够实现有效的抓取策略，不仅可以处理更大的物体，还可以提高抓取的稳定性。在遥操作试验中，该手成功地完成了86%的YCB物体抓取尝试，包括具有挑战性的非拟人化配置。这些发现验证了该设计在不增加复杂性的前提下，增强抓取稳定性、灵活性和灵巧操作的能力，使其非常适合广泛的应用。

🔬 方法详解

问题定义：现有机器人手通常采用拟人化设计，导致手指运动范围受限，难以抓取特定形状或尺寸的物体。此外，每个手指都需要独立的执行器控制，增加了机械结构的复杂性和控制难度。因此，需要一种新型机器人手设计，能够在保证灵巧性的前提下，扩大抓取范围，简化机械结构，并提升抓取稳定性。

核心思路：SABD手的核心思路是将第四指和第五指的内收/外展（Add/Abd）关节合并为一个单一的、具有更大运动范围的关节。这种设计减少了所需的自由度，简化了机械结构，同时扩大了手指的工作空间，使其能够抓取更大或更不规则的物体。此外，更大的运动范围也有助于提高抓取的稳定性，因为手指可以更好地适应物体的形状和位置。

技术框架：SABD手是一个16自由度的机器人手，包含多个手指和关节。其主要模块包括：手指结构设计（重点是融合的第四指和第五指关节）、执行器控制系统、传感器反馈系统和抓取策略学习模块。整体流程为：首先，通过传感器获取物体的信息；然后，利用抓取策略学习模块生成抓取指令；接着，执行器控制系统根据指令控制手指运动，完成抓取动作；最后，传感器反馈系统监测抓取状态，并根据需要调整抓取策略。

关键创新：SABD手最重要的技术创新点在于融合了第四指和第五指的内收/外展关节。与传统的拟人化设计相比，这种融合设计减少了自由度，简化了机械结构，同时扩大了手指的工作空间，使其能够抓取更大或更不规则的物体。此外，这种设计还有助于提高抓取的稳定性，因为手指可以更好地适应物体的形状和位置。

关键设计：SABD手的关键设计包括：1）融合的第四指和第五指关节的运动范围设计，需要保证足够的运动范围以覆盖更大的抓取空间；2）执行器控制系统的设计，需要能够精确控制手指的运动，并实现快速响应；3）抓取策略学习模块的设计，需要能够根据物体的信息生成有效的抓取指令，并能够根据抓取状态进行调整。论文中使用了强化学习来训练抓取策略，具体参数设置未知。

📊 实验亮点

实验结果表明，SABD手能够抓取侧面距离高达200毫米的物体，相比传统机器人手，其抓取范围显著扩大。基于强化学习的实验表明，SABD手能够实现有效的抓取策略，不仅可以处理更大的物体，还可以提高抓取的稳定性。在遥操作试验中，SABD手成功地完成了86%的YCB物体抓取尝试，包括具有挑战性的非拟人化配置，验证了其在实际应用中的可行性。

🎯 应用场景

SABD手的设计适用于各种需要灵活抓取和操作的场景，例如工业自动化、医疗机器人、家庭服务机器人等。在工业自动化中，它可以用于抓取和装配各种形状和尺寸的零件。在医疗机器人中，它可以用于进行精细的手术操作。在家庭服务机器人中，它可以用于帮助人们完成各种日常任务，例如整理物品、烹饪食物等。该研究的未来影响在于推动机器人手设计的发展，使其更加灵活、高效和易于使用。

📄 摘要（原文）

This paper presents the SABD hand, a 16-degree-of-freedom (DoF) robotic hand that departs from purely anthropomorphic designs to achieve an expanded grasp envelope, enable manipulation poses beyond human capability, and reduce the required number of actuators. This is achieved by combining the adduction/abduction (Add/Abd) joint of digits four and five into a single joint with a large range of motion. The combined joint increases the workspace of the digits by 400% and reduces the required DoFs while retaining dexterity. Experimental results demonstrate that the combined Add/Abd joint enables the hand to grasp objects with a side distance of up to 200 mm. Reinforcement learning-based investigations show that the design enables grasping policies that are effective not only for handling larger objects but also for achieving enhanced grasp stability. In teleoperated trials, the hand successfully performed 86% of attempted grasps on suitable YCB objects, including challenging non-anthropomorphic configurations. These findings validate the design's ability to enhance grasp stability, flexibility, and dexterous manipulation without added complexity, making it well-suited for a wide range of applications. A supplementary video is available at https://youtu.be/P3jRts46o4s .