[论文解读] Design of a Fully Actuated Robotic Hand With Multiple Gelsight Tactile Sensors
本文提出了一款紧凑型全驱动两指机械手抓取器，配备四个Gelsight光学触觉传感器，覆盖85%的内侧手指表面，实现高分辨率3D表面重建及多模态传感（力、振动、热、声学）。系统通过ROS和千兆以太网实现实时闭环控制，展示了在杂乱环境中增强的灵巧操作与自适应抓取能力。
This work details the design of a novel two finger robot gripper with multiple Gelsight based optical-tactile sensors covering the inner surface of the hand. The multiple Gelsight sensors can gather the surface topology of the object from multiple views simultaneously as well as can track the shear and tensile stress. In addition, other sensing modalities enable the hand to gather the thermal, acoustic and vibration information from the object being grasped. The force controlled gripper is fully actuated so that it can be used for various grasp configurations and can also be used for in-hand manipulation tasks. Here we present the design of such a gripper.
研究动机与目标
- 设计一款紧凑型全驱动机械手抓取器，最大化内侧手指表面的触觉传感覆盖范围。
- 在整个抓取器接触区域集成多个Gelsight光学触觉传感器，实现亚微米分辨率的3D表面重建。
- 集成多模态传感（振动、热、声学、本体感觉）以在操作过程中提供全面反馈。
- 实现执行器与传感器数据流的实时闭环控制，支持动态抓取自适应与人手操作。
- 克服微型化、信号完整性与带宽方面的软硬件与计算挑战，推动机器人操作的可扩展性。
提出的方法
- 将四个Gelsight传感器部署于两指指节的内表面，实现总内表面面积约85%的覆盖。
- 采用广角摄像头与柔性扁平电缆（FFCs）捕获弹性膜在接触下的形变，基于光度立体法实现3D重建。
- 集成附加传感器：红外阵列用于非接触式热感测，麦克风用于声学反馈，加速度计用于振动检测，以及本体感觉编码器。
- 将线性执行器置于指节本体外部，以最大化空间效率与力密度。
- 通过嵌入式Raspberry Pi与ROS节点实现实时控制，所有传感器数据通过千兆以太网流式传输至主控PC。
- 使用ROS与rviz进行模块化数据处理与可视化，包括3D重建与光学标记跟踪。
实验结果
研究问题
- RQ1配备多个高分辨率Gelsight传感器的全驱动机械手抓取器，是否能相比单传感器或欠驱动设计实现更优的抓取质量与人手操作能力？
- RQ2如何在紧凑型机械手内有效集成多模态传感（触觉、热、声学、振动）以提升操作鲁棒性？
- RQ3在受限外形尺寸内微型化并高密度集成多个Gelsight传感器与驱动系统的关键工程挑战是什么？
- RQ4在长距离布线的多传感器机械手系统中，如何减轻串扰与高带宽数据传输问题？
- RQ5多传感器融合在杂乱或遮挡环境中的抓取可靠性与操作性能提升程度如何？
主要发现
- 抓取器通过Gelsight传感器实现了85%的内侧手指表面覆盖，支持物体表面地形的同步多视角3D重建。
- 多模态传感器（热、声学、振动、本体感觉）的集成提供了冗余且全面的反馈，显著增强了抓取置信度与操作控制能力。
- 通过ROS与千兆以太网实现的实时闭环控制，实现了低延迟传感器数据流与动态抓取自适应，已在人手操作任务中得到验证。
- 全驱动设计支持多种抓取模式，包括平行捏握与包裹式抓取，其灵巧性优于欠驱动设计。
- 通过屏蔽FFC与增加电缆间距，有效缓解了串扰问题，验证了高密度传感器集成的可行性。
- 在3D重建（Poisson求解器）中识别出计算瓶颈，凸显未来设计中需采用FPGA等片上硬件加速的必要性。
更好的研究，从现在开始
从论文设计到论文写作，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。