Comparación de manos robóticas dexterosas: Allegro vs LEAP vs Inspire
Comparación de manos robóticas hábiles para la investigación de manipulación: Allegro Hand, LEAP Hand, Inspire Hands. DOF, costo y soporte de software.
En general
La manipulación dexterosa es la frontera del aprendizaje robótico. Mientras que los sujetadores paralelas manejan el 80% de la selección industrial, el 20% restante - uso de herramientas, rotación en la mano, montaje de objetos flexibles, apertura de contenedores - requiere manos con múltiples dedos con más de 12 grados de libertad. La elección de la mano determina su trayectoria de investigación: el tipo de accionamiento afecta el ancho de banda de control, la detección táctil afecta la riqueza de datos y el precio afecta a cuántas manos puedes permitirte romper durante los experimentos.
Comparación de las especificaciones completas
| Hand | DOF | Actuation | Tactile | ROS2 | Weight | Price |
|---|---|---|---|---|---|---|
| Allegro Hand v4 | 16 | Direct drive (Maxon motors) | Optional (add-on BioTac or custom) | Yes (allegro_hand_ros2) | 1.1 kg | ~$15,000 |
| LEAP Hand | 16 | Direct drive (Dynamixel servos) | None built-in | Community (Python SDK) | 0.5 kg | ~$2,000 (DIY) |
| Shadow Mano Diestra E | 24 | Tendon-driven (pneumatic muscles or motors) | BioTac SP (optional, 19-taxel) | Yes (sr_ros2_interface) | 4.0 kg (with actuator pack) | ~$120,000 |
| Orca Hand | 12 | Tendon-driven (brushless motors) | Optional Paxini integration | Yes | 0.6 kg | Contact RCSV |
| Inspire Hands (RH56DFX) | 6 (1 per finger) | Underactuated (motor per finger) | None | Python SDK, Modbus RTU | 0.5 kg | ~$3,000 |
| RH8D (Seed Robotics) | 8 | Direct drive (Dynamixel) | Optional FSR arrays | Yes | 0.58 kg | ~$8,000 |
| Paxini Tactile Glove | N/A (sensor) | N/A | High-resolution capacitive array, full-hand coverage | Yes (ROS2 topic) | 0.12 kg | Contact RCSV |
Tipos de accionamiento explicados
Disco directo
Los motores se encuentran en o cerca de cada articulación. Allegro Hand utiliza motores Maxon DC; LEAP Hand utiliza servos inteligentes Dynamixel. Ventajas: cinemática simple, control directo de posición/velocidad/torque, sin enrutamiento de cables. Desventajas: motores añaden volumen y peso a la mano; salida de fuerza limitada para motores de tamaño manual.
El motor de la tendón
Los motores se encuentran en el antebrazo o en un paquete de actuador remoto, conectados a las articulaciones a través de tendones (cables o varillas). Shadow Hand y Orca Hand utilizan este enfoque. Ventajas: dedos ligeros, mayor fuerza (los motores pueden ser más grandes), un diseño mecánico más humano. Desventajas: enrutamiento de cable complejo, histeresis desde el estiramiento del cable, más difícil de modelar con precisión para la transferencia sim-a-real.
No afectados
Los dedos utilizan un motor por dedo para impulsar múltiples falanges a través de un mecanismo de enlace. El dedo se adapta a la forma de objeto pasivamente. Ventajas: control muy simple, robusto, bajo costo. Desventajas: no puede controlar de forma independiente cada articulación, destreza limitada para la manipulación en la mano.
Integración de la detección táctil
La detección táctil es cada vez más importante para la investigación de manipulación hábil.
- ** Sensores Paxini** (disponible en RCSV)
T2 ): Arrays táctiles capacitivos de alta resolución que se pueden integrar con Orca Hand y otras manos. Proporcionar datos de geometría de contacto sobre temas ROS2. Opción ideal para la investigación de recopilación de datos. - BioTac SP: Sensor de punta de dedos de 19 taxel de SynTouch. Anteriormente el estándar de oro pero cada vez más difícil de obtener. Funciona con Shadow Hand y se puede adaptar a Allegro.
- ** GelSight / DIGIT:** Sensores táctiles basados en la visión que producen imágenes de contacto de alta resolución. GelSight Mini (~ $ 300 DIY) y DIGIT (~ $ 500) se pueden montar como puntas de dedos en diseños personalizados de manos. Ver nuestra guía [Comparación de Sensores táctiles]
- ** Arrays FSR:** Opción de menor costo. Resistores sensibles a la fuerza ($ 5- $ 50) proporcionan lecturas de presión binarias o de baja resolución. Apto para detectar la presencia de contacto pero no para la investigación de manipulación fina.
Recomendaciones por caso de uso
- ** Mejor mano de investigación de presupuesto:** LEAP Hand (~ $ 2,000 DIY). Diseño de código abierto, 16-DOF, comunidad grande. Requiere montaje y compra de servo Dynamixel.
- ** Mejor para transferir sim a real:** Allegro Hand v4 (~ $15,000). Más utilizado en investigación RL-for-dexterity. Modelos de sim precisos en MuJoCo e Isaac Sim.
- ** Mejor con detección táctil:** Sensores Orca Hand + Paxini (disponibles desde [RCSV](
T4 )). Integración diseñada para la recopilación de datos táctiles. - ** Alta destreza: ** Shadow Mano Diestra (~ $ 120,000). 24-DOF, más cercano a la cinemática humana.
- ** Mejor para integración humanoide:** Inspire Hands (~ $3,000). Ligero, asequible, robusto. Usado en Unitree G1 y otras plataformas humanoides.
- ** Mejor para la recopilación de datos:** Mano de Orca o mano de Allegro con sensores Paxini. La combinación de dedos controlables + datos táctiles ricos produce los conjuntos de datos de manipulación de la más alta calidad.
En general
La manipulación dexterosa es la frontera del aprendizaje robótico. Mientras que los sujetadores paralelas manejan el 80% de la selección industrial, el 20% restante - uso de herramientas, rotación en la mano, montaje de objetos flexibles, apertura de contenedores - requiere manos con múltiples dedos con más de 12 grados de libertad. La elección de la mano determina su trayectoria de investigación: el tipo de accionamiento afecta el ancho de banda de control, la detección táctil afecta la riqueza de datos y el precio afecta a cuántas manos puedes permitirte romper durante los experimentos.
Comparación de las especificaciones completas
| Hand | DOF | Actuation | Tactile | ROS2 | Weight | Price |
|---|---|---|---|---|---|---|
| Allegro Hand v4 | 16 | Direct drive (Maxon motors) | Optional (add-on BioTac or custom) | Yes (allegro_hand_ros2) | 1.1 kg | ~$15,000 |
| LEAP Hand | 16 | Direct drive (Dynamixel servos) | None built-in | Community (Python SDK) | 0.5 kg | ~$2,000 (DIY) |
| Shadow Mano Diestra E | 24 | Tendon-driven (pneumatic muscles or motors) | BioTac SP (optional, 19-taxel) | Yes (sr_ros2_interface) | 4.0 kg (with actuator pack) | ~$120,000 |
| Orca Hand | 12 | Tendon-driven (brushless motors) | Optional Paxini integration | Yes | 0.6 kg | Contact RCSV |
| Inspire Hands (RH56DFX) | 6 (1 per finger) | Underactuated (motor per finger) | None | Python SDK, Modbus RTU | 0.5 kg | ~$3,000 |
| RH8D (Seed Robotics) | 8 | Direct drive (Dynamixel) | Optional FSR arrays | Yes | 0.58 kg | ~$8,000 |
| Paxini Tactile Glove | N/A (sensor) | N/A | High-resolution capacitive array, full-hand coverage | Yes (ROS2 topic) | 0.12 kg | Contact RCSV |
Tipos de accionamiento explicados
Disco directo
Los motores se encuentran en o cerca de cada articulación. Allegro Hand utiliza motores Maxon DC; LEAP Hand utiliza servos inteligentes Dynamixel. Ventajas: cinemática simple, control directo de posición/velocidad/torque, sin enrutamiento de cables. Desventajas: motores añaden volumen y peso a la mano; salida de fuerza limitada para motores de tamaño manual.
El motor de la tendón
Los motores se encuentran en el antebrazo o en un paquete de actuador remoto, conectados a las articulaciones a través de tendones (cables o varillas). Shadow Hand y Orca Hand utilizan este enfoque. Ventajas: dedos ligeros, mayor fuerza (los motores pueden ser más grandes), un diseño mecánico más humano. Desventajas: enrutamiento de cable complejo, histeresis desde el estiramiento del cable, más difícil de modelar con precisión para la transferencia sim-a-real.
No afectados
Los dedos utilizan un motor por dedo para impulsar múltiples falanges a través de un mecanismo de enlace. El dedo se adapta a la forma de objeto pasivamente. Ventajas: control muy simple, robusto, bajo costo. Desventajas: no puede controlar de forma independiente cada articulación, destreza limitada para la manipulación en la mano.
Integración de la detección táctil
La detección táctil es cada vez más importante para la investigación de manipulación hábil.
- ** Sensores Paxini** (disponible en RCSV)
T7 ): Arrays táctiles capacitivos de alta resolución que se pueden integrar con Orca Hand y otras manos. Proporcionan datos de geometría de contacto sobre temas ROS2. La mejor opción para la investigación de recopilación de datos. - BioTac SP: Sensor de punta de dedos de 19 taxel de SynTouch. Anteriormente el estándar de oro pero cada vez más difícil de obtener. Funciona con Shadow Hand y se puede adaptar a Allegro.
- ** GelSight / DIGIT:** Sensores táctiles basados en la visión que producen imágenes de contacto de alta resolución. GelSight Mini (~ $ 300 DIY) y DIGIT (~ $ 500) se pueden montar como puntas de dedos en diseños personalizados de manos. Ver nuestra guía [Comparación de Sensores táctiles]
- ** Arrays FSR:** Opción de menor costo. Resistores sensibles a la fuerza ($ 5- $ 50) proporcionan lecturas de presión binarias o de baja resolución. Apto para detectar la presencia de contacto pero no para la investigación de manipulación fina.
Recomendaciones por caso de uso
- ** Mejor mano de investigación de presupuesto:** LEAP Hand (~ $ 2,000 DIY). Diseño de código abierto, 16-DOF, comunidad grande. Requiere montaje y compra de servo Dynamixel.
- ** Mejor para transferir sim a real:** Allegro Hand v4 (~ $15,000). Más utilizado en investigación RL-for-dexterity. Modelos de sim precisos en MuJoCo e Isaac Sim.
- ** Mejor con detección táctil:** Sensores Orca Hand + Paxini (disponibles en [RCSV](
T9 )). Integración diseñada específicamente para la recopilación de datos táctiles. - ** Alta destreza: ** Shadow Mano Diestra (~ $ 120,000). 24-DOF, más cercano a la cinemática humana.
- ** Mejor para integración humanoide:** Inspire Hands (~ $3,000). Ligero, asequible, robusto. Usado en Unitree G1 y otras plataformas humanoides.
- ** Mejor para la recopilación de datos:** Mano de Orca o mano de Allegro con sensores Paxini. La combinación de dedos controlables + datos táctiles ricos produce los conjuntos de datos de manipulación de la más alta calidad.