返回Blog

机器人抓住器指南:2026年类型,选择和整合

完整的机器人抓住器指南:2026年:平行<unk>,真空,柔软,磁性和精巧的抓住器比较-- 选择标准,与ROS2集成,有效载荷表,

机器人在接器上会见世界.它决定机器人可以处理哪些物体,它可以执行哪些任务,你需要收集多少数据,以及控制管道需要多么复杂.选择错误的接器浪费了数月的集成和训练工作. 这本指南涵盖了各大抓住器类型,帮助您选择适合应用的抓住器,并为常见的研究平台提供了实用集成指导.

关键的取回

  • 接器是大多数机器人学习研究的默认选择. 一个DOF,简单的控制,最广泛的政策兼容性.
  • 机器人 2F-85 (85毫米冲击,235N抓) 是最广泛使用的研究抓.预算替代品:基于动态素的抓 (价值200-500美元).
  • 软手柄处理微妙的物品. 精致的手柄可以在手中操纵.
  • 总是检查抓紧器的重量与臂载荷预算 - - 一架Robotiq 2F-85重0.9公斤,
  • 为了模仿学习,更简单的抓住器 (DOF) 需要更少的训练数据,并产生更可靠的政策.

杆抓住器:默认选择

双手手抓子使用两只相对的手指,沿线轴移动对称地抓住它们之间的物体.它们是机器人操纵的工作马匹,有很好的原因:机械简单,可靠,易于控制 (自由一级 - 开/关),可维修便宜,兼容最广泛的政策架构和培训方法.

**两指平行口腔抓**是最常见的.流行型号包括Robotiq 2F-85 (85毫米冲击,235N抓力,广泛用于研究),Robotiq 2F-140 (较大的物体使用140毫米冲击),OnRobot RG2和RG6 (内置的强力感知,安装方便),以及Schunk EGP系列 (高精度,工业级). 对于低成本的研究,Tossen Robotics的基于Dynamixel的抓住器和开源Robotis抓住器以价格的小部分提供了坚实的性能.

机器的3指适应式抓住器**为圆体物体的动力抓住器和更广泛的物体容纳器添加了第三指. 机器的3指适应式抓住器使用低动力 - - 一个引擎通过合规的连接驱动多个关节 - - 提供自动的形状容纳,而无需明确的抓住计划. 对于选择垃圾桶的应用,三指抓紧器非常适合,其中物体几何学差异很大,但它们增加了机械和控制复杂性.

在选择平行 jaws gripper时,关键规格是冲击 (最大开口宽度 - 必须超过最大的对象),抓住力 (必须支持最重的对象,以50%的安全差距来考虑到运输过程中的动态负载),以及重复性 (对于需要分毫米准确的精确插入任务至关重要).

吸尘:速度和平面物体卓越

吸尘接器使用负压力粘贴表面.它们主要有两种:吸尘杯接器,以对物体表面进行密封,依赖于真空,伯诺利接器使用Coanda效应来产生无接触的起动力.

吸管杯的抓住器在高速度的接和接平面或轻微曲线的物体:纸箱,电路板,玻璃板,金属板,塑料包装和大多数包装的消费品上表现出出色. 它们是电子商务实现自动化的主导抓住器,因为它们很快 (不需要排列,只需要接触和抓住),

**真空的尺寸:**所需吸管杯直径取决于物体重量,表面质量和运输过程中的加速.作为指公规则,理论起动力 (杯面积乘空压) 应是物体重量至少4倍,以确保高速运动时可靠的抓管. 对于孔孔表面 (未涂纸板,泡),使用较大的杯子和较高的真空水平.对于非常平滑的表面 (玻璃,抛光金属),标准杯子在适度的真空下工作得很好.

吸尘的关键限制是表面依赖性:粗,孔孔状或湿的表面破碎密封.有曲线或不规则的表面的物体可能根本不形成密封.吸尘也提供了对物体的最小信息抓住后 - - 你知道你抱着东西,但不是它的方向,体重分布或与杯相对的位置. 对于涉及各种家庭物体的研究,请计划一个真空无法处理的子集.

软抓手:微妙的物体和未知的形状

软抓紧机使用符合条件的材料 - - ,弹性质,膨胀式室 - - 适应对象形状,而不需要精确的抓紧计划.它们是对细微的物体而言自然的选择,而硬抓紧机会损坏的物体和对象的形状不规则,并行口难以抓住的物体.

动软机**使用压力气气来膨胀合规的手指,将它们包裹在物体周围.软机器人 mGrip系列是最成熟的商业选择,具有模块化的手指配置和安全食品材料.动软机需要空气供应 (压缩机或受管制压力源),增加了基础设施的复杂性. 它们广泛用于食品处理,药品包装和农业收获,

**电缆驱动的软抓**使用通过合规的指纹结构推向的节来触动抓.FinRay式抓设计 (灵感来自鱼机械) 提供了简单的操作,可以非常适应形状.电缆驱动的设计避免了无线电基础设施的需求,但具有较低的抓力.

软抓紧机交换抓紧力和精度以获得柔软性和适应性.它们不适合需要精确的物体放置 (耐受性低于5mm),重载荷 (通常仅限于1-3公斤) 或高速操作 (符合材料反应时间缓慢). 它们是非常适合分类产品,处理烤肉,从垃圾桶中摘取不规则的物品,以及任何应用中,避免损坏是主要的问题.

磁性抓住器:仅用铁材料

使用永久磁铁或电磁铁来抓住铁 (铁,钢,) 物体.它们非常快速 (随着电磁铁即时启动/关闭),不需要抓住计划,并且不管物体表面状况如何都能工作 - 油性,尘埃或不规则的表面都没有问题.

电磁铁可以控制:开来抓,关闭来释放.永久磁铁总是开放,需要一个机械机制来释放物体.电磁铁结合了两者:它们使用短时间的电脉冲来磁化或消磁化,然后保持其状态没有连续电力,在保持时提供可控制的抓,零功耗.

极限是绝对的:磁只能在铁材料上工作.它们不能抓住,塑料,木材,玻璃或大多数日常物体.它们的使用仅限于特定的工业应用 - - 钢板处理,加工操作,汽车组装 - - 目标物体总是铁磁. 对于涉及各种家庭物品的研究,磁很少适用.

抓住器比较表

Type 负载 Best For Limitations Price Range
Parallel jaw (2-finger) 0.1-10 kg Rigid objects, general manipulation Fixed stroke limits object size range $200-$5,000
3-finger adaptive 0.5-10 kg Cylindrical objects, bin picking Complex control, higher cost $3,000-$15,000
Vacuum (suction) 0.01-50 kg Flat/smooth objects, high speed Surface dependent, no orientation info $100-$3,000
Soft (pneumatic) 0.01-3 kg Delicate objects, food, irregular shapes Low force, slow, needs air supply $1,000-$8,000
Magnetic 0.1-100+ kg Ferrous metals, industrial handling Ferrous materials only $200-$5,000
Dexterous hand 0.01-2 kg In-hand manipulation, tool use, assembly Complex control, expensive, fragile $5,000-$50,000+

的手:研究界限

精致的机器人手 - - 具有多指的终端效应器,具有10到20多度自由度 - - 代表了操纵能力的上端.它们可以执行手中的重定向,工具使用,适应式抓住和操纵任务, 交易是极端的:精巧的手是昂贵的,脆弱的,机械复杂的,

** 手 (Wonik Robotics):** 16 DOF,每手4关节.最广泛使用的研究手,具有成熟的ROS2支持.扭矩控制的手指,具有位置和当前反.指尖力量感知是可选的,但建议.价格:15,000-18,000美元.

LEAP手 (卡纳基梅隆,开源): 16 DOF,基于Dynamixel服务器.完全开源设计 (CAD文件,固件,控制代码都公开).显著便宜 (部分价格为2,000至4,000美元),但需要组装和校准.使用与ALOHA和WidowX的相同的Dynamixel生态系统,简化了集成. 利普手社区已经发布了多项基准任务的任务配置和学习政策.

Orca Hand: 专注于水下和耐用性较高的应用. 带动,具有比转变动力替代品更好的耐受性.可通过 [RCSV的硬件目录]T4获得.

Paxini触摸手套: 不是自行抓住器,而是触摸传感系统,可以与精明的手配合,以提供高分辨率 (1mm) 的接触传感器.Paxini传感器阵列在指尖表面检测正常和切割力,从而实现控制力操纵和滑动检测. RCSV存储Paxini传感器,并为普通精通手机平台提供集成支持.

产品比较:2026年10个研究用

夹爪 Type Stroke Force Weight IP Price
Robotiq 2F-85 Parallel jaw 85 mm 235 N 0.9 kg IP67 $4,500
Robotiq 2F-140 Parallel jaw 140 mm 125 N 1.0 kg IP67 $5,000
OnRobot RG2 Parallel jaw 110 mm 40 N 0.7 kg IP20 $3,200
Schunk EGP 40 Parallel jaw 40 mm 135 N 0.4 kg IP40 $2,800
Dynamixel XL330 (ALOHA) Parallel jaw 55 mm 15 N 0.06 kg -- $200
Robotiq 3-Finger Adaptive 3F 155 mm 60 N/finger 2.3 kg IP65 $12,000
Soft Robotics mGrip Soft pneumatic Variable 25 N 0.3 kg IP65 $5,000
Piab piGRIP vacuum Vacuum N/A 50 N 0.2 kg IP54 $800
Allegro Hand Dexterous 16 DOF 2.5 N/tip 1.1 kg IP20 $16,000
LEAP Hand Dexterous 16 DOF 1.5 N/tip 0.5 kg -- $3,000

任务抓住器选择矩阵

Task Best 夹爪 Type Why
Pick-and-place (rigid objects) Parallel jaw Simplest, most reliable, lowest data requirements
E-commerce fulfillment Vacuum + parallel jaw hybrid Vacuum for boxes/bags, jaw for irregular items
Food handling Soft gripper Damage avoidance; food-safe materials
精度 insertion Parallel jaw + F/T sensor Force feedback for controlled contact
Tool use Dexterous hand In-hand reorientation required
Cloth/fabric handling Dexterous hand or pinch gripper Finger dexterity for thin material manipulation
Steel sheet handling Magnetic Instant grip, no alignment needed
Mixed bin picking 3-finger adaptive Shape accommodation for diverse objects

适合抓取的强力控制

控制力抓住 - - 抓住器根据传感器反调节抓住力 - - 对涉及脆弱物体,可变形材料或精密组装的任务至关重要.基本原则:不要命令抓住器到特定位置 (硬闭),而是命令它使用特定的力,通过闭环控制来控制这种力.

**抓紧力估计:**对于电流反的抓紧力 (基于动态素,Robotiq),抓紧力可以从动力电流估计:F = k * I,其中k是通过使用力度仪进行校准来确定的抓紧力特定常量.对于Robotiq 2F-85,这种关系大约为F = 2.7 * I (每Ampere的纽顿).对于ALOHA抓紧力XL330的Dynamixel XL330来说,F = 0.15 * I. 按您的特定抓住器和指材料进行校准.

滑动检测: 高级抓住器检测到开始滑动时 - - 一个物体开始滑动时 - - 并且自动增加抓住力.这需要高频力测量 (>100Hz) 检测滑动前的力振荡,或者触觉传感器 (如Paxini阵列) 直接感知在指体接口上切割力. 发现滑坡使得抓住物体具有最小的力量:保持物体具有足够的力量来防止落下,从而减少对脆弱物体的损伤风险.

**与OpenArm 1:**OpenArm 1支持基于Dynamixel XL330的抓住器 (用于简单的平行抓住) 和可选的手腕F/T传感器用于控制力量的操纵.RCSV平台在Python SDK中提供了控制力量的抓住原始: T1关闭直到检测到5N的抓住力,然后保持. 对于需要精通操纵能力的团队,RCSV提供了结合OpenArm1和LEAP手或Orca手的集成套件.

抓住器选择决策树

按照这个决定树,快速缩小你的抓住器选择:

  1. 如果是,磁. 停在这里.
  2. 所有目标物体均为平坦的,表面均如果是的:真空.如果有些物体不规则,请考虑混合物 (真空+)
  3. 您的物品需要手动重新定向或使用工具吗如果是的:精通手.
  4. 你的物体是脆弱的,可变形的,或有不规则的形状吗如果是的:柔软的抓住器或3指适应性.
  5. **其他所有东西:**平行 jaws gripper. 如果您的重量物体超过了抓紧力级别的80%,则放大尺寸.如果您的最大物体超过抓紧力 stroke,请考虑更宽的冲动模型或3指适应性.

如果有疑问,请使用平行 jaws gripper. 它提供了与现有的研究代码的最广泛兼容性,政策培训的数据要求最低,以及最容易的运行系统的途径. 升级到更复杂的最终效应器,只有当你的任务显然需要平行无法提供的能力时.

阻力模式抓取:Python代码示例

阻力控制式抓住在阻力模式是处理不同脆弱性的物体的工业标准.下面的Python摘录展示了对ROS2控制的并行 jaws gripper的阻力模式抓住,并有手腕F/T传感器反.

# impedance_grasp.py -- Force-limited grasping with impedance control
import numpy as np
import rclpy
from rclpy.node import Node

class ImpedanceGrasp(Node):
    """Close gripper with force limit using impedance-mode control."""
    def __init__(self):
        super().__init__('impedance_grasp')
        # Impedance parameters
        self.K_grip = 500.0   # Grip stiffness (N/m)
        self.D_grip = 20.0    # Grip damping (Ns/m)
        self.F_target = 8.0   # Target grip force (N) -- safe for most objects
        self.F_max = 25.0     # Emergency force limit (N)
        self.dt = 0.01        # Control loop at 100 Hz

    def compute_grip_command(self, current_pos, current_force):
        """Compute gripper position command using impedance law.

        When |current_force| < F_target: close gripper (reduce position).
        When |current_force| >= F_target: hold position (impedance equilibrium).
        Force overshoot triggers reverse (open slightly).
        """
        force_error = self.F_target - abs(current_force)

        # Impedance law: dx = (1/K) * force_error
        position_delta = (force_error / self.K_grip) * self.dt

        # Damping term prevents oscillation
        velocity = position_delta / self.dt
        damping_correction = -self.D_grip * velocity / self.K_grip

        new_pos = current_pos + position_delta + damping_correction

        # Safety: hard force limit triggers immediate open
        if abs(current_force) > self.F_max:
            new_pos = current_pos + 0.002  # Open 2mm immediately
            self.get_logger().warn(f'Force limit exceeded: {current_force:.1f}N')

        return np.clip(new_pos, 0.0, 0.085)  # 0-85mm for 2F-85

# Usage:
# 1. Approach object with position control
# 2. Switch to impedance mode when gripper detects first contact
# 3. Ramp F_target from 2N to 8N over 0.5 seconds
# 4. Hold at F_target during transport
# 5. Release by setting F_target = 0

度参数K_grip决定了抓住器如何攻击性地关闭:较高的值 (1000+N/m) 快速关闭,并且可能在软物体上超越;较低的值 (200-500N/m) 轻松关闭,但需要更长时间才能建立稳定的抓住.对于脆弱的物体 (蛋,薄壁的容器,电子),使用K_grip = 200-400N/m,目标F_N = 3-8N. 对于具有快速循环时间的硬体,使用K_grip = 800-1500N/m,F_target = 15-30N.

与吸:决策框架

接器选择最常见的困境是平行和真空吸收之间的困境.

**当:**选择真空 (吸管)

  • 物体表面平面,平面 (纸箱,玻璃板,金属板,密封包装) - - 吸收在这里优越,因为密封很容易形成
  • 可以抓住任何宽度的物体,只要有一个密封区域
  • 循环时间至关重要 - - 吸尘抓/释放时间为50-100ms,而200-500ms为机械关闭 jaws
  • 抓住后的对象方向并不重要 - - 吸收没有转动限制
  • 表面是不孔的,不湿的.这些条件打破了真空密封.

当:

  • 物体小,圆形或不规则的形状 - - 子通过指触摸符合几何
  • 需要准确的位置 - - 平行部提供位置和方向控制
  • 物体是孔孔的,湿的,或表面不规则的 - 没有密封要求
  • 操纵过程中需要控制力 (组装,插入) - 机械接触提供力反
  • 它们是透明或反射强的. 吸尘杯可能在深度传感器也在处理的表面上失败.

**当您的任务涉及到不同类型的物体,没有单个抓住器能处理好时,选择混合式 (真空+平行部在同一变换器上).ATI,Schunk和Staubli的工具变换器可以在2-5秒内自动交换抓住器. 折衷是增加重量 (工具变换器增加0.3-1.0公斤),机械复杂性和加利布要求增加. 为了收集数据,混合设置需要按接器类型进行单独的示范数据集.

抓住器维护和可靠性

抓住器可靠性直接影响数据收集吞吐量.抓住器中期故障破坏了当前的事件,需要10-30分钟诊断和维修. 遵循这些维护时间表以最大限度地减少停机时间.

  • **平行 jaws grippers (每周):**用同质醇清洗手指,以消除油和减少摩擦的碎片.用感觉仪检查的平行性 - 口在完全关闭时应平行于0.1mm.通过抓住已知重量的物体并确认它不会滑到预期的力水平,检查抓紧力校准. 每500至1000个抓住周期或可见变形超过0.5mm时,应替换/.
  • **真空 (每周):**检查吸气杯是否有,裂纹和变形.取代有可见磨损的杯子 (典型寿命:根据材料50-200,000周期).清洁真空发电器过器以保持吸气压力.检查真空水平在200ms内达到额定压力 - 缓慢的真空积累表明泄漏或堵塞过器.
  • 外部手 (使用前每天): 执行自行测试序列,使所有关节在运动范围中进行运动.检查是否有异常的伺服电流抽取 (表明污染或磨损增加的摩擦).检查触觉传感器读数在预期的基线范围内. 手需要更大维护,比简单的抓手. 每天15-30分钟的预算进行检查和维护.

如何选择合适的抓住器

选择应由四个因素驱动,这些因素应按照此顺序进行评估:

**1.物体特性.**机器人将抓住什么?从目标物体的物理特性开始:重量,尺寸范围,表面材料,脆弱性和几何变化性.如果物体是硬的,表面是明确的,平面的,并行 jaws grippers 处理它们.如果物体是平坦的和平滑的,考虑真空.如果物体是微妙的或几何不规则的,考虑软的抓住. 如果需要手工操纵或使用工具,你需要一个精明的手.

2. 需要精巧度. 任务需要什么操作能力?简单的选择和放置只需要开放/密切控制 (平行部或真空).重新定向或精确的放置至少需要3指抓.手中的操纵,点抓小组件或工具使用需要精巧的手.

3. 臂部有效载荷预算. 抓紧器的重量与你的臂部有效载荷能力相比.在3kg的有效载荷臂上,一台1.2kg的Robotiq 2F-85只留下1.8kg的物体,并且由于动力臂效应,在完全射程下减少.总是在实际射程距离计算有效有效有效载荷,而不是在带上的额定有效载荷.

**4. 集成复杂性.**更复杂的抓手需要更复杂的控制软件,更多的训练数据和更复杂的政策.一个平行的 jaws gripper 可以通过单个二进制信号来控制.一个精明的手需要协调16+度自由.额外的功能只会证明您的任务真正需要它,才能证明增加的复杂性.

集成:ROS2驱动程序和共同接口

大多数研究抓器通过三个接口之一进行通信:

Modbus RTU/TCP由Robotiq抓住器和许多工业抓住器使用.ROS2驱动器可用在T2包中.Modbus提供可配置速度,位置和力参数的可靠通信.它是大多数研究应用程序最简单的接口.

EtherCAT由高性能工业抓住器 (Schunk, Beckhoff) 使用,并提供微秒级延迟的确定性实时通信.EtherCAT集成需要EtherCAT主机 (SOEM或 IgH) 并且更复杂于设置,但为高频控制循环提供最佳性能. 对于抓住器响应时间重要应用来说至关重要 (强力控制的抓住,动态操纵).

USB/Serial由许多研究级和低成本的抓住器 (基于Dynamixel,Trossen,LEAP Hand) 使用.通信是直接的,但延迟比Modbus或EtherCAT更高,更不具确定性.适合大多数模仿学习数据收集,在抓住器命令在10-50Hz上发送.

对于精明手,Allegro Hand (16 DOF,Wonik Robotics) 通过T3包提供成熟的ROS2支持.LEAP Hand (开源,成本较低) 使用Dynamixel伺服器并通过标准Dynamixel ROS2驱动器集成.两款手都需要在安装后进行仔细校准和定期维护指关节. 关于从简单的抓手升级到精巧的手的指南,请参阅[终端效应器升级指南]T5).

抓紧机的校准协议

靠谱的控制力抓取需要校准抓住器的指令信号和实际抓住力之间的关系.大多数抓住器都不配备准确的控制力,指令力和实际力可能会有20-50%的差异.

  1. ** 设置:** 插入 jaws之间,将薄膜强力传感器 (FlexiForce A201或类似的, ~ $ 30) 连接到一个Arduino或类似的ADC以100Hz强力读取.
  2. 扫: 命令抓紧器以10%到100%的名额力值在10%的增速中关闭.在每个力级别上,记录指挥的力和测量的力从传感器.保持每个级别3秒,平均读数.
  3. 校准: 从指令到测量力时,将线性或零件式线性函数调整.将此校准应用于抓住器驱动器的查找表.结果:当指令10N时,你会得到10N+/- 1N而不是10N+/- 5N.
  4. 每月检查: 检查3种力水平 (20%, 50%, 80%) 进行重复检查,以检测校准漂移. 如果测量的力与预期不同超过15%,再校准.

这种校准对于对力敏感任务 (抓住蛋,处理电子) 尤其重要,其中将20N而不是预期的10N应用于损坏物体.RCSV的抓住器设置包括所有支持的抓住器模型的校准力表.

软抓手: 遵守规则时,不太精确

(由,弹性质或织物制成) 适应被抓住的物体,提供安全的支,而不需要精确的定位.

**优势:**自然温和的 - 力量分布在一个大的接触区域,降低峰值压力.可以抓住不规则和脆弱的物体 (水果,烤肉,生物组织) 硬抓住器损坏.大多数应用程序不需要力量校准,因为合规性固然限制了应用的力量.比精度平行 jaws 抓住器 (200-800美元与1,000-3000美元) 低成本.

限制: 位置精度低 - 抓住器符合对象,但不能以毫米以下精度放置它. 限量有效载荷 (通常根据设计0.1-2公斤). 随着时间的推移 - - 抓住器在10,000-50,000周期后会降低,必须更换.不适合需要控制接触力或精确的方向控制的任务.

**最佳应用:**食品处理 (厂,产品分类,餐饮准备),农业收获,碎物品的收拾,以及物体形状的差异很大,而柔软的抓住比精确的放置更重要. 为了收集数据,软抓地器简化了抓地策略,因为可容纳的表面"宽恕"小的定位错误,减少了需要的示范数量30-50%,而与同一任务的硬式并行口相比.

磁性抓住器:微小但强大

电磁接器使用可换磁铁来接收铁磁物体.虽然仅限于金属工件,但它们在特定的工业应用中优异.

**优势:**近瞬间抓/释放 (10-50ms交换时间对气动抓器而言,200-500ms).没有接触力变化 - 磁场要么保持物体,要么不.零消费品 (没有吸管杯替换,没有压缩空气).极其可靠:MTBF超过100万个周期的质量电磁.

限制: 仅适用于铁磁材料 (钢铁,铁,).不能处理非铁金属 (,铜,黄铜),塑料或木材.释放后的剩余磁性可能导致小部件粘着 - - 为了精密应用,需要脱磁循环. 持续激活过程中热量积累需要工作周期管理 (通常根据电磁设计,工作周期为50-80%).

最佳应用: 纸板金属处理,加工零件分类,汽车组装以及所有目标物体都是铁磁的任何应用.用于数据收集,磁是最简单的:动作空间是二进制 (开/关) 没有学习的力参数,相比于对等任务的平行 jaws grippers,示范要求减少40-60%.

工业选择和位置磁铁 (Schunk) 范围从500-3000美元,取决于持有力 (10-500N).

抓住器选择和数据收集

简单的抓住器 (平行 jaws,真空) 需要少的数据,因为行动空间较小,政策只需要学习什么时候和何处关闭抓住器. 精英的手需要更多的数据,因为政策必须学习协调的多指战略,每个物体类别. 预计需要3-5倍的示范,比较类似复杂的平行抓 jaws 任务.

对于所有支持的研究平台,RCSV的 [硬件目录]T7) 列出了带有有效载荷和重复性规格的抓住器选项.我们的解决方案工程师可以为您的具体任务推正确的抓住器 - [联系我们]T8) 讨论您的需求并获得集成支持.

相关: 强力扭矩感知指南 · 终端效应升级指南 · OpenArm vs Franka · 硬件目录 · 机器人摄像头设置