Manus手套遙操作控制靈巧手可行性應用方案

隨著機器人技術從工業自動化向人形輔助和人機協作方向發展，靈巧機械手的需求激增。欠驅動靈巧手能夠復制類似人類的手部操作，通過將Manus數據手套與靈巧手結合可遠程遙操作機器手完成各種復雜任務。

挑戰

開發具有12個全驅動自由度(DoF)的XHAND1，需要一個能夠匹配其速度、精度和靈活性的運動捕捉解決方案。基于視覺的跟蹤系統雖然對基本的手勢識別有效，但在應用于高級機器人操作時仍存在不足。

圖片來源：Manus官網用戶案例

速度和延遲：基于視覺的系統通常會引入明顯的延遲，限制了精細操作和實時遙控操作的響應能力。
?

靈巧映射：XHAND1的12個自由度要求高保真輸入，其中每個關節都是獨立捕捉和映射的。
?

遮擋和連續性：當手指重疊或移出視野時，視覺跟蹤容易中斷，導致運動數據不一致。這破壞了控制可靠性和訓練數據集的質量。

解決辦法

圖片來源：Manus官網用戶案例

為了克服這些速度、靈活性和穩定運動捕捉的挑戰，通過ROS2將MANUS Metaglove與XHAND1靈巧手相集成解決了這一難題。

MANUS ROS2：MANUS C++ SDK的ROS2包，提供MANUS手套到ROS2項目的無縫集成。它使用自定義消息類型將手套數據以ROS2格式發布，包括原始骨骼數據、人體工程學數值和傳感器數據(Meta Gloves Pro).
?

重新定位目標層：重新定位目標節點將MANUS手套輸出的數據轉換為XHAND1能夠接收的數據類型，以確保直觀的操作和精確控制，最終實現精細操作。
?

XHandControlROS2：這是一個用于與XHAND進行EtherCAT通信的ROS2包，提供全面的關節控制和傳感器讀數。通過ROS2主題、服務和回調提供完整的控制接口。

展望未來

圖片來源：Manus官網用戶案例

除了目前的集成，MANUS正在測試一種從壓力到觸覺的全新嘗試，將XHAND1的觸覺陣列與下一代觸覺手套連接起來。這將實現：

向操作員提供實時觸覺反饋，使他們能夠感受到機械手所感受到的力度、紋理和溫度。
?

增強遠程操作和人機協作中的遠程呈現精度。
?

通過將手部動作捕捉與觸覺傳感相結合，可提供身臨其境的訓練數據集，加速嵌入式人工智能研究。這些進步為真正沉浸式靈巧機器人奠定了基礎。