TESOLLO:使用MANUS & Franka机械臂提高机器人灵活性

Robotics(RBT) TU/e、Mechanical Engineering TU/e和AI Matters EU的三方合作,推动了人机交互的未来,展示了人类运动捕捉和高级机器人控制之间的强大协同作用。

背景

TESOLLO公司总部设在韩国。通过精确的运动控制、先进的嵌入式系统和人工智能的智能集成来重新定义机器人自动化。

其旗舰产品DG-5F是一个可完全驱动的五指拟人机器手,可达到人手动作水平的灵活性、抓握和控制。其具有20个自由度(DOF),无缝结合了高精度机械、可选触觉传感和灵活的软件兼容性,是研究、工业自动化和服务机器人应用的理想选择。

挑战

用传统的输入方法控制像DG-5F这样的20自由度机器人手具有挑战性。手动编程或使用操纵杆控制通常会造成延迟、低精度以及陡峭的学习曲线。为了解决这个问题,TESOLLO开发了ROS2包,使机器手控制更加直观和有效。

除了展示灵活性,DG-5F的功能还支持安装在Franka Research 3机器臂上并使用NOKOV光学系统定位并扩展到现实世界中完成实际应用。这种集成大大提高了系统的灵活性、机动性和执行复杂操纵任务的能力。

解决方案

随着MANUS Metagloves Pro和Manus Core ROS 2套装的发布,TESOLLO开发了人机无缝遥操作流水线解决方案。该解决放哪使用NOKOV光学跟踪系统作为Franka Research 3机器臂的定位锚,为人类和机器人运动之间的精确对准提供空间参考。

实时手指跟踪:MANUS Metagloves Pro以毫米级的精度捕捉操作员的手指和手部动作,以超低延迟传输数据。

ROS2集成:MANUS Core ROS 2软件包将SDK(包括位置和手指跟踪数据)封装到ROS 2兼容接口中,便于集成。

位置跟踪:NOKOV光学跟踪为Franka机器臂提供精确的空间参考点,确保人类和机器人运动之间的精确对准。

遥操作控制层:手指姿态数据被映射到TESOLLO DG-5F灵巧手上,而位置数据驱动Franka机械臂,实现具有自然、直观控制的全臂遥操作。

未来发展

通过此次合作,TESOLLO展示了与MANUS Metagloves Pro,ROS2集成光学跟踪实现高度灵活的遥操作工作流程。

然而,由于人手和机器人手的运动学差异,精确的遥操作仍然面临挑战。MANUS的端点传感器流提供了一个新的方向,允许像DG-5F这样的灵巧手随着时间的推移学习和完善他们的运动模型。

该解决方案验证了高保真运动数据与自适应控制的结合的可行性,为未来由数据驱动且更智能的操纵系统提供了发展方向。

相关推荐
AC赳赳老秦1 分钟前
代码生成超越 GPT-4:DeepSeek-V4 编程任务实战与 2026 开发者效率提升指南
数据库·数据仓库·人工智能·科技·rabbitmq·memcache·deepseek
液态不合群3 分钟前
推荐算法中的位置消偏,如何解决?
人工智能·机器学习·推荐算法
饭饭大王6667 分钟前
当 AI 系统开始“自省”——在 `ops-transformer` 中嵌入元认知能力
人工智能·深度学习·transformer
ujainu8 分钟前
CANN仓库中的AIGC可移植性工程:昇腾AI软件栈如何实现“一次开发,多端部署”的跨生态兼容
人工智能·aigc
初恋叫萱萱9 分钟前
CANN 生态实战指南:从零构建一个高性能边缘 AI 应用的完整流程
人工智能
Lethehong12 分钟前
CANN ops-nn仓库深度解读:AIGC时代的神经网络算子优化实践
人工智能·神经网络·aigc
开开心心就好13 分钟前
AI人声伴奏分离工具,离线提取伴奏K歌用
java·linux·开发语言·网络·人工智能·电脑·blender
TechWJ14 分钟前
CANN ops-nn神经网络算子库技术剖析:NPU加速的基石
人工智能·深度学习·神经网络·cann·ops-nn
凌杰14 分钟前
AI 学习笔记:LLM 的部署与测试
人工智能
心易行者17 分钟前
在 Claude 4.6 发布的当下,一个不懂编程的人聊聊 Claude Code:当 AI 终于学会自己动手干活
人工智能