Efectores y pegadillas de robo: Guía completa de comparación para laboratorios de investigación (2026)
Comparar los efectores finales de los robots para la investigación de la manipulación: agarradores paralelos, manos destrezas, sensores táctiles. Especificidades, precios y compatibilidad con los sistemas OpenArm, ViperX y Mobile ALOHA.
[← Guías]
Una comparación completa de los efectores finales de los robots para la investigación de manipulación
Tipos de efectores finales de robots
El efecto final es el componente que determina lo que su robot puede realmente hacer. Un brazo robot de 50.000 dólares con el agarre equivocado es inútil para su tarea, mientras que un brazo de 4.500 dólares con el efecto final correcto puede ser altamente productivo. Esta guía cubre las cinco categorías principales de efectos finales utilizados en la investigación y la producción, con recomendaciones específicas de productos y precios.
Grifas paralelas para la jaula (2 dedos)
El caballo de trabajo de la robótica industrial y de investigación. Dos dedos rígidos se mueven en paralelo para agarrar objetos mediante la aplicación de fuerza de los lados opuestos.
Cómo funcionan: Un solo actuador (motor eléctrico o cilindro neumático) impulsa ambos dedos simétricamente. El único grado de libertad (abierto/cerrado) hace que el control sea trivial
Fortalezas: Alta fiabilidad, tiempos de ciclo rápidos (0,5
Limitas: No se pueden manipular objetos que requieren reposicionamiento de dedos (manipulación de manos). Limitado a objetos que se ajustan al ancho del golpe. Lucha con objetos deformables (telas, bolsas, alimentos).
** Mejor para**: Pick-and-place, recogida de contenedores, montaje de componentes rígidos, paletización.
Las manos con múltiples dedos
Las manos robóticas con 3
Cómo funcionan: Cada dedo tiene 2
Las fortalezas: La destreza humana, puede manejar diversas geometrías de objetos, permite la manipulación manual, esencial para tareas como el uso de herramientas, montaje y reorientación de objetos.
Limitas: El control complejo (espacio de acción de alta dimensión), caro y mecánicamente frágil en comparación con los sujetadores simples, requiere más datos de formación para las políticas aprendidas.
** Mejor para**: Investigación de manipulación dexterosa, estudios de teleoperatoria, reorientación manual, tareas que requieren capacidades de mano a nivel humano.
Grippers suaves y compatibles
Las pegatinas hechas de materiales elastómricos (silicona, caucho) que se deforman alrededor de objetos en lugar de aplicar fuerza rígida.
Cómo funcionan: La accionamiento neumático infla las cámaras blandas, haciendo que los dedos del agarre se encurten hacia adentro y se ajusten a la forma del objeto.
Ventajas: Inherentemente segura para objetos delicados, se ajusta a formas irregulares sin diseño de dedos a medida, es compatible naturalmente durante el contacto, es adecuada para el manejo de alimentos y muestras biológicas.
Limitas: menor fuerza de agarre que las agarres rígidas, accionamiento más lento (tiempo de respuesta neumática), posicionamiento menos preciso, capacidad de carga útil limitada, desgaste en materiales blandos.
** Mejor para**: manipulación de alimentos, cosecha agrícola, aplicaciones médicas/quirúrgicas, manipulación de objetos frágiles.
Las agarraduras táctiles y sensoriales
Grifos o guantes equipados con sensores táctiles que miden las fuerzas de contacto, la distribución de presión y, a veces, la textura.
Cómo funcionan: Los sensores táctiles (resistentes, capacitivos, ópticos o barométricos) están incorporados en las puntas de los dedos o en la palma de la agarre. Durante el agarre y la manipulación, informan de vectores de fuerza, área de contacto y detección de deslizamiento. Estos datos se alimentan en el bucle de control del robot para el agarre reactivo o en conjuntos de datos de entrenamiento para enfoques basados en el aprendizaje.
Ventajas: Permite la manipulación consciente de la fuerza, detecta la estabilidad de la agarre y el deslizamiento incipiente, proporciona datos de formación ricos para políticas aprendidas, esenciales para el manejo de objetos frágiles o deformables.
Limites: Agrega complejidad a la tubería de datos, calibración del sensor requerida, mayor coste, algunos tipos de sensores se degradan con el tiempo.
** Mejor para**: Recopilación de datos de teleoperación, tareas sensibles a la fuerza, manipulación de objetos deformables, investigación de la percepción táctil.
Efectores finales de vacío y magnéticos
Grifas de contacto sin contacto o de contacto de un solo punto que utilizan la succión o la fuerza magnética para recoger objetos.
**Vacuo (tasas de succión) **: Crea un sello en superficies planas o ligeramente curvas y mantenga a través de una presión negativa. Extremadamente rápido (pick in 0.1
Magnético: Utilice imanes permanentes o electromagnéticos para agarrar objetos metálicos ferrosos.
** Mejor para**: cumplimiento de pedidos en almacén, manejo de hojas metálicas, paletización de cajas, pick-and-place de PCB.
Tabla de comparación de los efectos finales
La siguiente tabla compara los principales efectos finales utilizados en los laboratorios de investigación de robótica en 2026.
| End Effector | Type | DOF | Price | Carga Útil / Stroke | Best For |
|---|---|---|---|---|---|
| Orca Hand | Dexterous hand | 17 | ~$2,000 | ~0.5 kg per finger | Bimanual manipulation research, dexterous policy training |
| Paxini Gen3 Glove | Tactile sensor glove | — | Contact RCSV | — | Teleoperación data collection for dexterous manipulation |
| Robotiq 2F-85 | Parallel jaw | 1 | ~$4,500 | 85 mm stroke, 235 N | Industrial pick-and-place, bin picking |
| Robotiq 2F-140 | Parallel jaw | 1 | ~$5,500 | 140 mm stroke, 125 N | Large object handling, wider grasp range |
| LEAP Hand | Dexterous hand | 16 | ~$2,000 | — | In-hand manipulation, RL-based dexterity research |
| Allegro Hand | Dexterous hand | 16 | ~$4,500 | — | Academic research, torque-controlled manipulation |
| Shadow Mano Diestra | Dexterous hand | 22 | $150,000+ | — | High-fidelity teleoperation, human hand replication |
| Barrett Hand (BH8-282) | Dexterous hand | 8 | ~$60,000 | 6 kg | Medical robotics, heavy-payload dexterous grasping |
| OnRobot RG2 | Parallel jaw | 1 | ~$3,000 | 110 mm stroke, 40 N | Collaborative robotics, lightweight parts handling |
| Festo DHEF Adaptive | Soft gripper | 3 | ~$1,500 | ~0.3 kg | Delicate object handling, food industry |
Cómo elegir: Árbol de decisión para seleccionar el efecto final
Para seleccionar el efecto final adecuado, se requiere que los requisitos de la tarea se ajusten a las capacidades del agarre.
Paso 1: Definir el objeto que usted quiere
- Objetos rígidos con superficies planas (cajas, cilindros, placas) → Grifas paralelas para la mandíbula o aspirador
- Más formas que requieren reposicionamiento de los dedos (herramientas, partes irregulares) → Mano dexterosa
- Objetos delicados o deformables (alimentos, tejidos, muestras biológicas) → Grifas blandas o grifas sensoriales táctiles
- ** Superficies planas y no porosas** (hojas de metal, vidrio, cartón) → Succión de vacío
- Partes de metal férreo → Efector final magnético
Paso 2: Considera tu estrategia de control
- ** Planificación de movimiento clásica (MoveIt, optimización de trayectoria) **: Las agarradas paralela de mandíbula son más fáciles de integrar.
- **Aprendizaje por imitación (ACT, Política de difusión) **: Las agarradas paralelas para la mandíbula con 1 DOF requieren una expansión mínima del espacio de acción.
- ** Aprendizaje de refuerzo**: se prefieren las manos dexterosas
RL se destaca en el aprendizaje de control de alto DOF a través de la simulación (IsaacGym, MuJoCo). - Teleoperación: Aparezca el efecto final con el dispositivo de entrada. Las pegadas paralelas de la mandíbula se emparejan con la entrada del gatillo/botón. Las manos dexterosas requieren una entrada basada en guantes como [Paxini Gen3]
T6 ) o un seguimiento de manos basado en la visión.
Paso 3: Presupuesto y calendario
- ** Bajo $3,000**: Mano de Orca (
$2,000), Mano LEAP ($2,000), OnRobot RG2 ($3,000), agarre blando de Festo ($1,500) - ** $3,000
$10,000**: Robotiq 2F-85 (~ $4,500), Allegro Hand (~ $4,500), Robotiq 2F-140 (~ $5,500) - ** $10,000~$100,000**: Mano de Barrett (~$60,000), manos táctiles personalizadas
- ** $100,000+**: Shadow Mano Diestra ($150,000+)
Para los laboratorios de investigación con un presupuesto, el [Orca Hand]
La mano de la orca se sumerge profundamente
La Mano Orca es una mano robótica de 17 DOF de código abierto y hábil diseñada para la investigación de manipulación asequible.
Las especificaciones
| Parameter | Value |
|---|---|
| Degrees of freedom | 17 (5 fingers × 3 joints + 2 thumb abduction/adduction) |
| Actuators | Feetech STS3215 serial bus servos |
| Communication | TTL serial (1 Mbps), daisy-chained |
| Control frequency | Up to 100 Hz (position, velocity, or torque mode) |
| Grip force per finger | ~5 N (suitable for objects up to ~0.5 kg per finger) |
| Weight | ~350 g (hand only, excluding wrist adapter) |
| Materials | 3D-printed PLA/PETG structure, silicone fingertips |
| Simulation | MuJoCo MJCF model included |
| Software | Python SDK, ROS2 driver, LeRobot integration |
| Price | ~$2,000 (assembled) / ~$800 (DIY kit) |
Por qué la mano de la orca es objeto de investigación
La Mano Orca llena una brecha crítica en el mercado de las manos destrezas. Antes de su introducción, los investigadores tenían dos opciones: manos comerciales caras ($ 4.500 + para Allegro, $ 150.000 + para Shadow) o juntar soluciones personalizadas. La Mano Orca proporciona destreza de grado de investigación a una fracción del costo.
- Design de código abierto: archivos CAD completos, firmware y SDK disponibles en GitHub. Puede modificar la geometría de la mano, agregar las puntas de los dedos personalizadas o integrar sensores adicionales.
- Acuestionable en escala: A ~ $2,000 por mano, una configuración bimanual (dos manos) cuesta $4,000
menos que una sola mano de Allegro. - ** Simulación de MuJoCo**: se incluye un modelo validado de MJCF, que permite la transferencia sim-a-real de las políticas de RL entrenadas directamente en IsaacGym o MuJoCo.
- ** SDK Python**: Controla todas las 17 juntas con una simple API Python. Modo de control de posición, velocidad y par soportados.
- ** Compatible con el aprendizaje por imitación**: Funciona con [ACT]
T8 ) y Política de difusión a través de la integración de LeRobot.
Ejemplo de SDK de Python
# Orca Hand basic control example
from orca_hand import OrcaHand
# Connect to hand via serial port
hand = OrcaHand(port="/dev/ttyUSB0", baudrate=1000000)
hand.connect()
# Read current joint positions (17 values)
positions = hand.get_joint_positions()
print(f"Current positions: {positions}")
# Set individual finger positions
# Fingers: thumb(0-3), index(4-6), middle(7-9), ring(10-12), pinky(13-16)
hand.set_joint_position(joint_id=4, position=512) # index MCP
hand.set_joint_position(joint_id=5, position=400) # index PIP
hand.set_joint_position(joint_id=6, position=300) # index DIP
# Power grasp — close all fingers
grasp_positions = [512, 400, 300, 200, # thumb
512, 400, 300, # index
512, 400, 300, # middle
512, 400, 300, # ring
512, 400, 300, 200, 100] # pinky
hand.set_all_positions(grasp_positions)
# Torque control mode for compliant grasping
hand.set_control_mode("torque")
hand.set_joint_torque(joint_id=4, torque=100) # gentle index closure
hand.disconnect()
Presentación general de las asambleas
Los barcos Orca Hand se ensamblan en RCSV, pero un kit DIY (~ $ 800) está disponible para los laboratorios que prefieren construir y personalizar.
- Segmentos de dedos impresos en 3D (dosis de STL proporcionados, PLA o PETG recomendados)
- 17 Servos STS3215 de Feetech (incluidos en el kit)
- Arnes de cableado de autobús TTL en serie (incluido)
- Flanja de montaje de muñecas (compatible con la norma ISO 9409-1 o adaptadores personalizados)
- Herramientas básicas: pequeño destornillador Phillips, llaves hexagonales, tiradores de alambre
Guantes táctiles de Paxini Gen3
El Paxini Gen3 es un sistema de guantes de teleoperatoria sensorizado diseñado para recopilar datos de entrenamiento de manipulación hábiles. Captura las posiciones de las articulaciones de los dedos y las fuerzas de contacto en tiempo real, proporcionando los ricos datos de demostración necesarios para entrenar políticas para manos hábiles como la Mano de Orca.
Capacidades clave
- Sacado de dedos: Captura los 20 DOF de la mano humana (4 articulaciones × 5 dedos) a 100 Hz utilizando sensores flexibles y IMU incorporados.
- Reacordes táctiles: Las puntas sensibles a la presión informan la distribución de la fuerza de contacto en cada punta de los dedos.
- Baja latencia: latencia de extremo a extremo inferior a 10 ms desde el movimiento manual hasta la grabación de datos, esencial para la teleoperación sensible.
- Inalámbrico: La conexión Bluetooth 5.0 elimina el atado de cables, permitiendo el movimiento natural de las manos durante la recopilación de datos.
- Formatos de datos: Salidas de ángulos conjuntos y matrices táctiles compatibles con las tuberías de datos de HDF5 y LeRobot.
Flujo de trabajo de recopilación de datos
El flujo de trabajo típico para recopilar datos de manipulación hábiles con guantes Paxini Gen3:
- Calibre los guantes en la mano del operador (2 minutos, guiados por software).
- Mapa de los ángulos de las articulaciones del guante a las posiciones de las articulaciones de la mano del robot objetivo (Mano de Orca) utilizando un modelo de retargeting aprendido o cinemático.
- El operador realiza la tarea usando los guantes mientras que la mano robótica refleja los movimientos en tiempo real.
- Las cámaras y los codificadores conjuntos registran la demostración completa: imágenes, estados conjuntos del robot y acciones.
- Los datos se guardan en formato HDF5, listos para la formación [ACT]
T10 ) o en política de difusión.
RCSV proporciona guantes Paxini Gen3 como parte de nuestro [servicio de recopilación de datos]
Guías de integración
Integración de ROS2 para los efectos finales
La mayoría de los efectores finales modernos proporcionan controladores ROS2. Aquí hay un ejemplo de integración mínima para la Mano Orca con ROS2:
# ROS2 Orca Hand controller node (Python)
import rclpy
from rclpy.node import Node
from sensor_msgs.msg import JointState
from std_msgs.msg import Float64MultiArray
from orca_hand import OrcaHand
class OrcaHandNode(Node):
def __init__(self):
super().__init__('orca_hand_controller')
self.hand = OrcaHand(port="/dev/ttyUSB0")
self.hand.connect()
# Publish joint states at 50 Hz
self.joint_pub = self.create_publisher(JointState, '/orca_hand/joint_states', 10)
self.timer = self.create_timer(0.02, self.publish_joint_states)
# Subscribe to joint position commands
self.cmd_sub = self.create_subscription(
Float64MultiArray,
'/orca_hand/joint_commands',
self.command_callback,
10
)
def publish_joint_states(self):
msg = JointState()
msg.header.stamp = self.get_clock().now().to_msg()
msg.name = [f'orca_joint_{i}' for i in range(17)]
msg.position = self.hand.get_joint_positions().tolist()
self.joint_pub.publish(msg)
def command_callback(self, msg):
if len(msg.data) == 17:
self.hand.set_all_positions(list(msg.data))
def main():
rclpy.init()
node = OrcaHandNode()
rclpy.spin(node)
node.hand.disconnect()
rclpy.shutdown()
Montaje de mano OpenArm + Orca
El OpenArm 1 acepta la Mano Orca a través de un adaptador de flange estándar.
- Montaje físico: adjunta la flange de pulsera de la Mano de Orca a la flange de herramientas de la Mano de Orca utilizando 4 tornillos M5. La placa del adaptador (incluida con unidades montadas con RCSV) convierte el círculo de tornillo de 50 mm de la Mano de Orca en el patrón de 40 mm de la Mano de Orca.
- ** Cables de autobús en serie**: Ruta el cable de serie TTL de la Mano Orca a través de la cadena de cable del brazo a la base. Conecta a un adaptador USB-TTL en el ordenador de control. El brazo y la mano utilizan autobuses en serie separados para evitar conflictos de autobús.
- Integración de software: el brazo y la mano se ejecutan como nodos de control separados. Un nodo de coordinación publica comandos sincronizados a 50 Hz. Dimensión total de acción: 6 (brazo) + 17 (mano) = 23 DOF.
- ** Configuración de la teleoperación**: Use un líder OpenArm para el control de brazos y guantes Paxini Gen3 para el control de manos. Ambas corrientes de datos se sincronizan y se registran juntas.
Formatos de conjunto de datos de LeRobot para manipulación dexterosa
Al recopilar datos para una manipulación hábil con LeRobot, la estructura del conjunto de datos se expande para incluir los estados de la mano:
# HDF5 episode structure for arm + dexterous hand
episode_0.hdf5
├── observations/
│ ├── qpos_arm # [T, 6] — arm joint positions
│ ├── qpos_hand # [T, 17] — hand joint positions
│ ├── qvel_arm # [T, 6] — arm joint velocities
│ ├── qvel_hand # [T, 17] — hand joint velocities
│ ├── images/
│ │ ├── cam_high # [T, 480, 640, 3] — overhead camera
│ │ ├── cam_wrist # [T, 480, 640, 3] — wrist camera
│ │ └── cam_hand # [T, 480, 640, 3] — hand close-up (optional)
│ └── tactile/ # (optional, if using tactile sensors)
│ ├── thumb # [T, 4, 4] — 4x4 pressure grid
│ └── index # [T, 4, 4]
├── action_arm # [T, 6] — target arm joint positions
├── action_hand # [T, 17] — target hand joint positions
└── attrs/
├── sim # False
└── num_timesteps # T
# Convert to LeRobot Parquet format
python -m lerobot.scripts.convert_dataset \
--raw-dir ./dexterous_episodes/ \
--repo-id my-org/dexterous-task \
--raw-format hdf5_aloha
Matriz de compatibilidad de efectos finales
No todos los efectores finales funcionan con todos los brazos robóticos.
| End Effector | OpenArm 1 | DK1 Bimanual | ViperX-300 S2 | UR5e / UR10e | Franka Emika |
|---|---|---|---|---|---|
| Orca Hand | Yes (native) | Yes (native) | Adapter needed | Adapter needed | Adapter needed |
| Paxini Gen3 | N/A (glove) | N/A (glove) | N/A (glove) | N/A (glove) | N/A (glove) |
| Robotiq 2F-85 | Adapter needed | Adapter needed | No | Yes (native) | Yes (native) |
| LEAP Hand | Adapter needed | Adapter needed | Adapter needed | Adapter needed | Adapter needed |
| Allegro Hand | No | No | No | Yes (adapter) | Yes (native) |
Análisis de costes: coste total del sistema por caso de uso
Cuando se presupuesta un sistema de investigación de manipulación, el efecto final es una parte de una inversión más grande.
| Configuration | Components | Total Cost | RCSV Lease |
|---|---|---|---|
| Entry-level dexterous | OpenArm 1 + Orca Hand + cameras | ~$7,000 | from $1,200/mo |
| Bimanual dexterous | DK1 + 2× Orca Hand + cameras + Paxini gloves | ~$18,000 | from $2,200/mo |
| Industrial parallel jaw | OpenArm 1 + Robotiq 2F-85 + cameras | ~$9,500 | from $1,400/mo |
| Humanoid manipulation | Unitree G1 + 2× Orca Hand + cameras | ~$20,000 | from $2,500/mo |
Tópicos avanzados
Integración de la detección táctil
La adición de sensores táctiles a cualquier agarre o mano enriquece los datos recopilados durante la teleoperatoria.
- ** GelSight / GelSight Mini**: Sensores ópticos táctiles que producen una imagen de contacto de alta resolución. Montado en las puntas de los dedos de las pinzas paralelas de la mandíbula. ~ $ 300 por sensor. Proporciona información detallada de geometría y fuerza a través del procesamiento de imágenes.
- **DIGIT (Meta) **: Sensor táctil óptico compacto similar a GelSight pero más pequeño y más barato (~ $ 200). Diseño de hardware de código abierto. Buen para la investigación de la captura guiada por táctiles.
- ** Paxini Gen3 (integrado) **: Cuando se utilizan los guantes Paxini para la teleoperatoria, los datos táctiles se capturan automáticamente junto con los datos de la posición de la mano, eliminando la necesidad de una integración de sensores separados.
- **BioTac (SynTouch) **: Sensor táctil multimodal que mide la fuerza, la vibración y la temperatura. Se utiliza en Shadow Hand y Allegro Hand. ~ $ 5,000 por punta de dedo. Proporciona la señal táctil más rica disponible pero a un alto costo.
Sim-to-Real para las manos destrozas
Las políticas de capacitación para las manos hábiles en la simulación y la transferencia a hardware real se están volviendo prácticas.
- Entrenar una política en MuJoCo o IsaacGym utilizando la aleatorización de dominios (fritación, masa de objeto, dinámica del actuador).
- Evaluar en simulación en más de 1.000 episodios para verificar la robustez.
- Displiegue en la verdadera Mano Orca con ajustes mínimos o cero.
- Opcionalmente, recoge 50
100 episodios reales y ajuste a medida con ACT para mejorar el rendimiento en el mundo real.
Preguntas frecuentes
¿Qué es un efector final de robot?
Un efector final de robot es el dispositivo conectado al extremo de un brazo robótico que interactúa con el medio ambiente. Es la "mano" del robot. Los tipos comunes incluyen agarradores paralelas de mandíbula, manos multi-dedo dexteros, agarradores blandos, tazas de aspiración de vacío y agarradores magnéticos. La elección del efecto final es una de las decisiones más críticas en un sistema de manipulación
Grifas paralelas vs mano destre: ¿cuál debo elegir?
Para la automatización de la producción y la fabricación industrial: utilizar un agarre paralelo para la mandíbula (Robotiq 2F-85 o similar). Es más sencillo de controlar, más fiable y cuenta con un amplio soporte de software. Para la investigación de la manipulación hábil, la reorientación en la mano o tareas que requieren el control del nivel del dedo: usar una mano hábil (Mano Orca, Mano LEAP). La mano destre requiere más datos de entrenamiento y un control más complejo, pero permite tareas que los sujetadores paralelos no pueden realizar.
¿Puedo montar la Mano Orca en mi brazo robótico existente?
La Mano de Orca es compatible con OpenArm 1 y DK1. Para otros brazos (UR5e, Franka, ViperX), se requiere un adaptador de la flange.
¿Cuántos datos de entrenamiento necesito para una manipulación hábil?
Para ACT con un brazo de 17 DOF + 6 DOF (23 DOF total): plan para 500+ demostraciones para tareas de agarre simples, 1,000+ para reorientación en la mano. Alternativamente, entrenamiento previo en simulación (10,000+ episodios) y ajuste fino en 100
¿Cuál es el mejor efecto final para la investigación de aprendizaje imitativo?
Para empezar rápidamente: un simple agarre paralelo para la mandíbula añade sólo 1 DOF a su espacio de acción y requiere de demostraciones mínimas. Para la investigación de manipulación de vanguardia: la mano de Orca con guantes de Paxini Gen3 para la recopilación de datos proporciona la mejor relación precio-capacidad. El servicio de recogida de datos de RCSV (T22
Alquiler de Orca Hand + OpenArm desde $1,200/m.
RCSV ofrece configuraciones de brazo robótico + efector final preensambladas, listas para la investigación. El arrendamiento incluye configuración, calibración y soporte técnico.