通过MANUS手套推进由触觉驱动的机器人学习进程

亚德诺半导体(Analog Devices)的 Touch2Trace 研究,旨在解决灵巧机器人领域的一项核心难题:让机器人在不依赖视觉的情况下操控柔性线缆。机器人需要在线缆发生位移时保持握持状态,将人类手指动作转化为机器人动作,并通过示教进行学习。Touch2Trace 方案融合了基于 MANUS 的遥操作、触觉传感与模仿学习技术,使机器人能够在全新的布线工况下完成线缆循迹操作。

借助 MANUS 采集人类示教动作

该研究利用触觉传感与关节状态反馈,训练机械手在无视觉输入的条件下,用手指送进线缆。为采集示教数据,研究人员采用 MANUS Metagloves Pro 数据手套实现机械手遥操作。

手套将操作者的手指关节角度实时传输至定制动作重定向管线,把人体动作映射到机械手拇指、食指、中指共 8 个关节。借此,操作人员可以演示线缆循迹所需的捏取与卷曲动作。

将示教动作转化为训练数据

遥操作过程中,系统同步记录机器人关节指令、实测关节状态,以及机械手指尖传感器采集的触觉数据。记录得到的动作指令作为模仿学习的动作目标,把示教动作与机器人感知观测数据进行配对。

Touch2Trace 将面向特定任务的示教训练数据,与独立预训练的触觉编码器相结合,实现了自主线缆循迹,并具备零样本迁移能力,可应对未见过的线缆类型与布线场景。

Touch2Trace 这项研究展示了基于 MANUS 的遥操作技术如何赋能灵巧机器人学习:采集人类手指运动信息,将其转换为机器人动作,并同步采集示教动作与机器人自身感知反馈数据。

关于MANUS Metagloves Pro

Manus Metagloves Pro模块化、可扩展的设计和更大的无线使用范围确保了其在任何环境下都可以轻松操作的超高灵活性。

Manus Metagloves Pro支持快速设置,校准时间短。有多种尺寸可供选择,适用于多种手部动捕场景。可更换电池让手套能够连续使用,且无需重新校准。

相关推荐
火山引擎开发者社区43 分钟前
当 RPA 遇上 Agent:MUA 混合执行 Workflow 深度拆解
人工智能
严肃小白兔1 小时前
第 10/24 期:深度神经网络的自动求导机制与梯度验证
人工智能·神经网络·dnn
火山引擎开发者社区1 小时前
定档12.16-12.18!FORCE原动力大会上海见!
人工智能
努力的MM1232 小时前
CAIE 二级和阿里云大模型 ACP 怎么选?企业 AI 工程与云平台开发能力对比
人工智能
老金带你玩AI2 小时前
Kling Image 4.0来了!8K和组图直出,电商人的提效神器?
人工智能
孟健2 小时前
用 unslop 拯救 AI 生成网页的塑料感,7 分钟重构落地实测
前端·人工智能·ai编程
stormzhangV2 小时前
Google 重返第一梯队
人工智能·google·aigc
十有八七3 小时前
手搓 Agent(五):学会翻书——RAG,先查资料再回答
前端·人工智能·后端
阿里云大数据AI技术3 小时前
阿里云 Milvus 场景中心|一键部署你的AI应用
人工智能