研究人员在《Biomimetic Intelligence and Robotics》发表了题为《Continuous adaptive gaits manipulation for three-fingered robotic hands via bioinspired fingertip contact events》的文章，探讨了通过仿生方法提升三指机械手灵活性与自适应性的技术。
研究通过NOKOV度量动作捕捉系统捕捉人类手指的运动数据，提取四个运动原语，设计基于指尖接触事件的步态控制策略。实验验证了机械手在复杂任务和外部干扰下的稳定性和鲁棒性，为高效仿生操作提供了新思路。
Xiaolong Ma, Jianhua Zhang, Binrui Wang, Jincheng Huang, Guanjun Bao,Continuous adaptive gaits manipulation for three-fingered robotic hands via bioinspired fingertip contact events,Biomimetic Intelligence and Robotics,Volume 4, Issue 1,2024,100144,ISSN 2667-3797.
研究背景和挑战
传统的机械手操作方法依赖于预定义的步态，缺乏对环境变化和外部干扰的适应性。主要挑战包括多指协作中的力与运动控制、接触点和抓取模式的变化、实时的力反馈调节、以及如何自适应地切换运动原语来保证稳定的操作。
解决这些问题，需要设计能够根据实时接触力反馈调整步态的控制策略，以确保机械手在不确定的环境下仍能高效且鲁棒地完成操作任务。
研究贡献
使用四个运动原语来组成物体操作的手指步态。
通过分析指尖与物体之间的接触事件，揭示了机械手在一个周期内的连续平移和旋转操作过程。 通过实验验证，确认了这种方法的可行性和鲁棒性。此外，即使物体受到外部力的干扰，机械手也能迅速调整步态以应对干扰。
实验过程
1.灵感来源：人手的操作行为
研究基于人类手指在抓取、旋转、释放和重新抓取物体时的步态变化，提出模仿人类指尖接触事件的机器人手控制策略。通过人类手指操作球体的实验，记录了手指运动中步态的主要阶段：接近、抓取、旋转/滚动、释放、返回初始位置。
2.人类手指运动数据的获取
使用NOKOV度量动作捕捉系统采集人类手指运动数据。在三根手指（拇指、食指和中指）以及球体表面分别安装反光标记点，利用8台摄像机记录每个标记点的坐标、速度和加速度。这些高精度数据用于计算手指与物体接触点的方向和位置参数。
3.机械手的设计与控制策略
基于人类手指的步态行为，设计了一种三指机械手，每根手指均带有软指尖传感器，以增强抓取稳定性。控制策略中将手指分为四个操作原语，并通过实时传感反馈进行操作模式切换。
4.实验设置与流程
实验以操控纸杯为目标。机械手首先调整指尖位置完成抓取，并测量抓取过程中指尖与物体间的接触力。操作过程中，根据触觉传感器信号调整步态时间间隔，同时监控外部干扰对抓取稳定性的影响。
5.步态切换的自适应控制
操作过程中可能发生干扰（例如摩擦系数变化或外力影响），这需要机械手实时调整步态和模式切换。在此过程中，NOKOV度量动作捕捉系统用于提供物体旋转角速度，并结合接触力传感器的数据，通过实时调整步态周期确保操作的连续性和稳定性。
NOKOV度量动捕系统提供了高精度人类手指运动数据与机械手抓取物的角速度，使得机械手能够实时调整手指步态并适应性地切换操作模式，从而实现对物体的灵活操纵。
更多详情，请留言
-
您可致电拉斯维加斯0567CC|主页或在右侧留言，获取您专属的动作捕捉解决方案与报价单
-
- 领域 *
- 提交留言
