グローブベースのデクステルス・テレオペレーション: ハードウェアの選択と設定
機械手による手間遠隔操作のハプティック手袋の使い方 硬件比較,校正,遅延分析,データ収集設定
[←ガイド]
グローブベースのテレオペレーションに関する実用的なエンジニアのガイド 適切なとき,どのハードウェアを選択し,データ収集のためにカリバーする方法
手袋 を 使う の は なぜ です か
操作のほとんどの作業に手袋は必要ありません.リーダー腕またはVRコントローラによって動作するバランス式の並行なマハグリッパーにより,より高いデータ収集吞吐量でコストが低くなる.手袋は,あなたの作業に本当に個々の指の制御が必要である場合にのみ使用します.
手袋の活用の課題は: 手で再方向化 (ボルトを巻き回し,カードを振り回し), 不規則な物体にピンチを握る (紙の折り紙,布の折り紙), 多指の調整操作 (結びつけて針を編み), 物体遵守に柔軟な握り付け 作業に必要な指数は3本未満なら 交差するマックが 腕時計で操作する手よりも 効率的なデータ品質を 時給に 発揮できるでしょう
完全な手袋の遠隔操作パイプラインは各レベルにおいて複雑さを増します.各操作者に1つの校正,腕遠隔操作よりも高い遅延,より多くの故障モード,より高い操作者の疲労,および大幅に高いハードウェアコスト.目を開いてアプローチします.
グローブ ハードウェアの比較
| Glove | Price/Hand | DOF Tracked | Force Feedback | Haptic Type | SDK | Weight | Best For |
|---|---|---|---|---|---|---|---|
| SenseGlove Nova 2 | $4,000 | 20 (5 finger flexion + abduction) | 5-DOF cable resistance | Vibrotactile + force | Python, ROS | 300 g | Research, imitation learning, best value |
| HaptX G1 | $10,000 | 20 | Yes (microfluidic) | Fluid pressure per fingertip | ROS, Unity | 500 g | Highest fidelity haptics |
| Inspire Glove | $3,000 | 15 (flexion only) | No | None | Python (custom) | 200 g | Budget, paired with Inspire RH56 |
| Dexmo (Dextarobotics) | $6,000 | 22 (11-DOF per hand) | Yes (5 DOF) | Mechanical brake | Unity, Python | 350 g | Full-hand exoskeleton feedback |
| ROKOKO Smartglove Pro | $500 | 18 (position only) | No | None | ROKOKO SDK, Live Link | 80 g | Motion capture only, not manipulation |
| OpenXR DIY | $200–$500 | Variable | No | Optional vibration | OpenXR | Variable | Experimental, low cost |
SenseGlove Nova 2は,ほとんどの模倣学習研究において推奨される選択である.そのフォースレジスタンスフィードバックは,ロボットの手が接触しているときに操作者が感知できるようにし,握手品質を向上させ,手が対象を巻き込まないまま閉じる"浮遊手"の失敗を軽減する. ROS2 包装付きの Python SDK は,最もコミュニティサポートがあり,ほとんどのロボットハンドインターフェースと互換性があります.
HaptX G1は,接触幾何学に対応する皮膚圧力を生成するマイクロフルーイドアクチュエーターを通じて最も現実的なハプティックを提供します.この信頼性は極めて繊細な操作 (電子部品,生物サンプル) に価値がありますが,手数料10K/手価格と500gの重量により,その実用使用が制限されています.
ロボットの手の互換性
| Robot Hand | Price | DOF Actuated | ペイロード | Glove Compatible | Notes |
|---|---|---|---|---|---|
| Shadow 器用な手 | $110,000 | 20 | 0.5 kg | SenseGlove, HaptX | Most capable, most expensive; compressed air |
| Inspire RH56 DFX | $8,000 | 6 (5 finger + thumb) | 2 kg | SenseGlove, Inspire Glove | Best price-performance; brushless motors |
| Unitree Dex3-1 | $5,000 | 7 (3 fingers, 2-DOF each) | 1.5 kg | SenseGlove | Unitree G1/H1 compatible; compact |
| Leap Hand (v2) | $2,000 | 16 | 0.3 kg | SenseGlove (community) | Open-source, 3D-printable; growing community |
| SAKE EZGripper | $800 | 1 (underactuated) | 0.9 kg | No (gripper, not hand) | Not for glove use |
インスパイRH56 DFXは,最も費用対効果の高い手動操作の方法である. $8K. 動いている6つのDOF (個別指の曲線と指の反対) は,家庭操作のほとんどをカバーする. SenseGlove Nova 2と組み合わせると,全手動操作コストは~$12K/手.
オープンソースのデザインとリップハンド・ロズ2ドライバーにより,2000ドルで開発されているLeap Handは研究界で勢いを増しています.
校正手順
各操作者は個別な校正を必要とする.手袋はすべての手に一致しないため,指長,結び方位置,最大拡張角は操作者によって大きく異なります.誤校された手袋は収集されたすべてのデータに体系的な偏差を生成します.
- ステップ 1
手のジオメトリマッピング: 各操作者の指段の長さを (近辺,中,離散) カリッパーで測定する.手袋SDKの手モデルに入力する.SenseGloveはカリブラーションウィザードを提供します.各操作者に10分を許可する. - ステップ 2
動作校正範囲: 操作者が完全に開いて (0°) を完全に閉じて各指の最大および最小の曲線角を記録する (~90°MCP, ~100°PIP).SDKは指1分/最大を保存し,正常化を行います. - ステップ3
フォース・セログラフの校正: フォース・セログラフが有効化された場合,操作者が認識の発生を報告する間に,徐々に抵抗を増加させてください. 騒音床の上面20%以上の"接触検出"セログラフを設定します.これは手袋の微小振動から偽の接触を防ぐ. - ステップ 4
ロボットの手マッピング: マップグローブ DOF ロボットの手関節コマンド.インスピアRH56では,各指の曲折角 (0100%) をモーター位置 (0 1000点点) にマッピングする.各指を独立して指揮し,視覚的対応を確認することによってテストする. - ステップ5 端から端まで遅延性テスト: 指を速やかに閉じるように命令 (100 ms 持続時間).手袋センサーの読み込みから腕カメラでロボット指の動きを観察するまでの時間を測定する.ターゲット:合計 <35 ms.
遅延分析
| Stage | Typical レイテンシ | Optimization |
|---|---|---|
| Glove sensor readout | 3–8 ms | Use USB 3.0; avoid hubs |
| Hand model IK | 5–15 ms | Precompute lookup table; GPU IK |
| ROS2 message publish | 2–5 ms | Zero-copy transport; DDS tuning |
| Robot hand command | 10–25 ms | Direct serial vs. ROS2; reduce QoS depth |
| Total round-trip | 20–53 ms | Target <35 ms for natural feel |
| Video feedback (wrist cam) | 33–66 ms (30–60 fps) | Increase frame rate; MJPEG compression |
50 ms以上の遅延は,操作者の調整を低下させる目に見える遅延を生む.測定総数が 50 ms を超えると,各段階にタイムスタンプを追加して診断する.最も一般的な犯人は,キューの積み上げを排除するためにセンサートピックの信頼性=BEST_EFFORT 設定深さ=1とROS2 QoS 設定です.
失敗の一般的な方法と緩和方法
- **長時間セッション中に手袋の滑り:**手袋の移転時に手袋センサーが漂流する.毎セッション前に滑りない手袋の敷き布団を使用し,帯を絞る.多時間収集の場合,30分ごとに再校定します.
- IK 単位の指関節空間: 極限姿勢に指示された場合,ロボットハンドIKは失敗またはジラキラな動きを起こす可能性があります. 機械的な限界内に10°の関節制限を加え,限界に近い速度を抑制します.
- 2時間以上後,力反射漂移: SenseGloveケーブルの緊張メカニズムが熱的に漂移する.セッション開始時に力反射をベースラインで60分ごとにゼロに戻す.
- Finger IK は操作者の意図に一致しない: これは通常,手 geometry の誤った校正を示します.校正のステップ 1 と 2 を実行します.SDK の指段の長さが物理的な測定値に一致しているかどうかを確認してください.
- ロボット手過熱: 2時間以上高電動サイクルで動作する高性能な手により,モーター制御器が過熱される.モーター温度を監視する (インスパイアRH56はSDKを通じて温度を記録する).
グローブ・テレオペレーションのデータログ格式
- /手袋/指_角: フローート配列 [16]
指1 × 4 指 + 指5 DOF. 100 Hz. - /手袋/指尖_力: フローートマレイ [5]
ニュートンで指尖の各角の正常力推定. 100 Hz. - /手/腕_ポーズ: フローートマレイ [7]
3D位置 + ロボットベースフレームの腕の四角形. 50 Hz. - /robot_hand/joint_positions: フローートアレイ [6
20 手によって] 実際のコマンド/測定された関節位置. 50 Hz. - /観察/画像/カメラ_腕: RGB [480×640×3] 接近距離腕カメラ 60 fpsで指と物体の接触の可視性のために.
- 映像の集約を HDF5 に保存する.ACT に互換性については,アクションベクターとして /glove/finger_angles と /robot_hand/joint_position を観測として抽出する.変換詳細については, data format guide を参照してください.
グローブ 対 代替入力方法: いつ 何 を 使う
| Input Method | DOF Control | Cost | Data Quality | Throughput | Best Tasks |
|---|---|---|---|---|---|
| Haptic glove (SenseGlove) | 20+ DOF per hand | $4,000-$10,000 | Highest for dexterous | 10-15 demos/hr | In-hand manipulation, assembly |
| Vision-based hand tracking | 21 keypoints per hand | $0 (camera only) | Lower (occlusion issues) | 15-20 demos/hr | Gross hand motions, prototyping |
| SpaceMouse (3Dconnexion) | 6 DOF (wrist only) | $130-$400 | High for arm, no fingers | 25-35 demos/hr | Pick-place, wiping, pushing |
| Leader arm (kinematic match) | 6-7 DOF (arm + gripper) | $3,100-$5,000 | Highest for arm tasks | 30-40 demos/hr | All arm tasks, highest throughput |
| VR controllers (Quest 3) | 6 DOF per hand | $500 | Good for gross manipulation | 20-30 demos/hr | Bimanual, remote operation |
重要な決定: 作業に必要な指の制御は個別であれば,手袋を使用します. 作業に必要なのは腕 + 握手機のみを開く/閉める場合,リーダー腕またはSpaceMouse を使用します.手袋はリーダー腕よりも2-3倍低い通路を産生します.したがって,より高い忠誠性は,よりゆっくりと収集速度を正当化する必要があります.
反応の方法:ハプティック,ビジュアル,オーディオ
操作者の性能は多モードフィードバックによって劇的に改善する.各モードは異なる情報チャンネルに対応する.
- ハプティック (フォースフィードバック): SenseGloveとHaptXは,ロボット指が物体接触するときに抵抗を提供する.これは最も価値のあるフィードバックモードである.ハプティックフィードバックを持つ操作者は,視覚フィードバックのみを有する操作者よりも 30-40%ほど失敗した握り付けを生む.フォースフィードバックは,操作者に握り付け力を感じさせることで,過度に握り付け (脆弱な物体を潰す) を防ぐ.
- **視覚 (カメラフィード):**ロボット指とオブジェクトを表示する腕カメラビューは不可欠です.応答性視覚フィードバックのために60fpsストリームを使用します.距離を判断するのに深層覆い (RealSense D405深度地図) を追加します.沈没のためにヘッドマウントディスプレイ (Quest 3) でストリームを表示します.または目レベルでの大きなモニターで疲労を軽減します.
- オーディオ (接触音): F/Tセンサーデータからオーディオフィードバックを合成する.接触力増加により音調が増加する.これは触覚ハードウェアを必要とせずに力認識を提供します.簡単なマッピングを使用します.周波数 = 200 Hz + (力_N * 100 Hz), 1500 Hz に固定されています.他のオペレーターに迷惑をかけるのを避けるためにヘッドホンを通してプレイします.
- ** 組み合わせたフィードバック:** 最高品質の巧妙なデータ収集では,力認識のためのハプティック手袋,浸透式視覚のためのVRヘッドセット,連絡確認のためのオーディオシグナルをすべて使用します.この三重モードセットアップは,視覚のみフィードバックで収集された示範の2倍に比べக்கூடியデータ品質を生成します.
パクシニタクイルセンサー統合
巧妙な手で [Paxini タクシルセンサー]
- センサーの配置: ロボットの手の指先のパッドに搭載されたマウント・パキシニセンサー (手袋ではなく).各センサーは100Hzで1タックセルあたり0.05N分辨率を持つ4×4タックセルマリーを提供します.
- データ記録: HDF5記録に100 Hz で
T0 (Float32MultiArray,指1つの値16個,指5個) を追加します.これは,滑り検出および握力制御のためにポリシーが使用する接触幾何学データを提供します. - 手袋と触覚の関連性: 校正中に,操作者は一連の参照オブジェクト (硬いボール,柔らかいスポンジ,薄いカード) を把握するようにしてください.手袋指の角とPaxiniの接触パターンとの関連性を記録してください.この校正データは,手袋ロボットマッピングが予想される接触行動を生むことを検証するのに役立ちます.
関連ガイド
- 双手電動操作設定 --双手套双手動設定
- 力/トルクセンサー選択 - 手首F/Tセンサーが手首データ補完する
- データ形式: HDF5, RLDS, LeRobot --標準形式で手袋+触覚データを保存する
- [遠隔操作 Labを設置する方法]
T7 ) - 手袋の電操作ステーションの物理的な設定 - [オペレータ募集・訓練]
T8 ] --手袋の収集のための訓練オペレータ - テレオペレーションソリューション購入者のガイド --手袋システムを含むコスト分析
RCSVとの作業
RCSVはサンフランシスコとオールストン施設で SenseGlove + Inspire RH56と SenseGlove + Orca Handシステムを運営しています
- データ収集サービス --訓練を受けたオペレーターによる指レベルの巧妙な操作データ収集
- [ハードウェアストア]
T11 ) -- パキニ触感センサー,オークハンド,手袋アクセサリーを買い - [ロボットリース] (
T12 ) - 手,手袋,コンピュータを含む全手袋のテレオペレーションステーションをリースする - [データプラットフォーム]
T13 ) -- ダウンロード,QA,そして巧妙な操作データセットを変換 - [私たちと連絡してください]
T14 ) - 巧妙な操作データ収集の必要性を議論します
RCSVでデクステルスな手によるデータ収集
RCSVは手袋ベースの巧妙な遠隔操作のためのSenseGlove + Inspire RH56システムを運用しています.我々はHDF5およびLeRobot形式で指レベルの操作データセットを提供しています.
[データサービスを見る]