要約
自動化のためのロボット グリッパーとハンドの開発は、産業用グリッパーの効率を犠牲にすることなく人間の器用さをエミュレートすることを目的としています。
この研究では、斬新な回転親指を備えた腱で作動するロボットハンドである Rotograb を紹介します。
目的は、人間の手の器用さと産業用グリッパーの効率性を組み合わせることです。
回転するサムにより作業スペースが拡大し、手の中で操作できるようになります。
新しい関節設計は、腱のルーティング用のカットアウトを使用して、動きの干渉を最小限に抑え、運動学を簡素化します。
当社は、深度カメラを使用した遠隔操作を統合し、リアルタイム追跡と、近接ポリシー最適化による強化学習による自律操作を実現します。
実験による評価では、Rotograb の回転サムが操作の多用途性と作業スペースの両方を大幅に向上させることが実証されています。
YCB データセットのオブジェクトを使用してさまざまな把握および操作タスクを処理でき、把握内でオブジェクトを回転させる場合に特に良好な結果が得られます。
Rotograb は、人間の手と産業用グリッパーの間の能力ギャップを埋めるための注目すべき一歩を表しています。
腱のルーティングと親指の回転機構により、新たなレベルのコントロールと器用さが可能になります。
遠隔操作と自律学習を統合することで、ロトグラブの適応性と洗練性が強調され、ロボット研究と実用化の両方で大幅な進歩が期待できます。
要約(オリジナル)
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.
arxiv情報
著者 | Arnaud Bersier,Matteo Leonforte,Alessio Vanetta,Sarah Lia Andrea Wotke,Andrea Nappi,Yifan Zhou,Sebastiano Oliani,Alexander M. Kübler,Robert K. Katzschmann |
発行日 | 2024-12-04 12:38:15+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google