末端执行器

定义

末端执行器是安装在机器人手臂最后一个连杆（法兰盘）上的装置。它是机器人与任务之间的接触点——机器人操纵的一切都通过末端执行器来操纵。末端执行器的选择是机器人系统设计中最具影响力的决策之一，因为它决定了机器人能处理哪些物体、能执行哪些任务，以及能为其训练哪些控制策略。

末端执行器通过标准化的机械接口连接到机器人手臂，最常见的是 ISO 9409 法兰盘。这种标准化使同一机械臂能够接受不同的末端执行器以执行不同的任务。快速更换适配器（如 ATI、Schunk）可在数秒内实现工具交换，这在多个实验共享单个机器人的研究环境中非常有价值。

从控制角度看，末端执行器定义了运动学链的终端点。其在任务空间中的位姿（位置和方向）通过正向运动学计算，将末端执行器指令到目标位姿需要求解逆向运动学。末端执行器的几何形状和质量也会影响机器人的可达工作空间和动态负载能力。

常见类型

• 平行爪夹具——两个平面手指线性开合。简单可靠，是大多数拾取放置任务的标准选择。仅限于适合爪间距的物体（通常为 50–150 mm）。示例：Robotiq 2F-85、Franka Hand。力范围：根据型号为 5–235 N。
• 真空/吸盘夹具——使用负气压吸附平坦或略微弯曲的表面。适合纸箱、薄板和光滑物体。无法处理多孔或形状不规则的物体。广泛用于物流和码垛。可提供单杯或多杯阵列。
• 磁性夹具——使用电磁铁或永磁体夹持铁磁金属零件。广泛用于汽车和加工应用。零柔顺性使其不适合精细任务。电磁铁允许受控释放；永磁体需要机械分离。
• 软/柔顺夹具——由弹性体或气动执行器制成（Soft Robotics、Festo FinGripper），能适应物体形状。对处理不规则、易碎或食品物体效果极佳。精度低于刚性夹具，但对人类交互本质上是安全的。
• 灵巧手——多指机器人手（Allegro、LEAP、Inspire、Shadow），具有 12–24 个自由度。支持手内操纵、工具使用和类人抓握。控制难度显著增加，成本更高（5K–100K 美元）。是强化学习控制的活跃研究领域。
• 特定任务工具——焊枪、螺丝刀、喷枪、去毛刺主轴。为单一工业操作设计，具有高精度和可重复性。通常与工业机械臂上的自动工具更换器配合使用。

技术背景：抓握力学

稳定抓握的基本要求是力闭合：末端执行器与物体之间的接触力必须能够抵抗任何外部扳手（力和力矩）。对于平行爪夹具，力闭合需要接触点处的摩擦。每个接触处的摩擦锥定义了可行接触力的集合；如果所有摩擦锥的凸包跨越完整的 6D 扳手空间，则抓握是力闭合的。

数学上，对于 n 个接触点且摩擦系数为 μ，抓握矩阵 G 将接触力映射到物体上的净扳手：w = G * f。如果对于每个外部扳手 w_ext，都存在可行的 f（在摩擦锥内），使得 G * f = -w_ext，则抓握是力闭合的。ε 质量指标衡量能使抓握失稳的最小扳手——更高的值表示更稳健的抓握。

对于数据驱动的抓握规划，这些分析指标在模拟中对数百万个候选抓握进行计算，以生成训练标签。生成的神经网络学会直接从点云或深度图像预测抓握质量，在推理时绕过分析计算。

选择标准

选择合适的末端执行器需要平衡多个因素：

• 物体几何和多样性——单一夹具类型无法处理所有物体。平行爪夹具适合刚性棱柱形物体。吸盘适合平坦表面。如果物体多样性高，考虑多模态夹具（平行爪 + 吸盘）或灵巧手。
• 负载和力要求——末端执行器必须产生足够的夹持力而不损伤物体。易碎物品（电子产品、农产品）需要力控制或软夹具。重型零件（汽车、加工）需要具有充分负载余量的高力工业夹具。
• 速度和周期时间——吸盘夹具的接合/分离周期最快（50–100 ms）。平行爪夹具需要 200–500 ms 来打开和关闭。灵巧手需要数秒来完成复杂抓握。高吞吐量应用倾向于吸盘或平行爪设计。
• 与机器人手臂的兼容性——检查法兰盘尺寸（ISO 9409-1）、负载预算（夹具重量从手臂容量中扣除）和电缆/气动路由。OpenArm 1 和 DK1 使用与大多数商用夹具兼容的标准 ISO 法兰盘。
• 与学习管道的兼容性——对于模仿学习，末端执行器必须具有控制策略可以控制的二进制或连续动作维度。大多数模仿学习管道将夹具打开/关闭视为单个二进制动作。灵巧手需要多维手指控制，显著增加动作空间复杂性。

与 RCSV 硬件兼容的末端执行器

OpenArm 1：配备为研究操纵任务设计的定制平行爪夹具（85 mm 跨度，40 N 力）。ISO 9409-1-50 法兰盘接受售后夹具，包括 Robotiq 2F-85、Robotiq Hand-E 和定制 3D 打印手指。OpenArm 的开源设计包括用于设计与腕部力传感器集成的定制末端执行器的 CAD 文件。

DK1：配备与最多 0.5 kg 轻量级夹具兼容的紧凑腕部。默认手指组覆盖常见的家用和桌面操纵任务。配备 Paxini 触觉传感器的定制手指尖可用于需要滑动检测和纹理识别的接触丰富任务。

Unitree G1 人形机器人：配备灵巧手（每只手 6 DOF），设计用于全身操纵。手部支持位置控制（用于抓握）和电流控制（用于柔顺交互）。与 RCSV 遥操作管道的集成支持双臂灵巧操纵任务的演示数据收集。

对策略学习的影响

大多数模仿学习策略是末端执行器特定的。用平行爪夹具训练的策略学会以适合两指抓握的方向接近物体；它不会转移到吸盘或灵巧手。切换末端执行器时，必须收集新的演示并重新训练策略。抓握规划算法同样与夹具几何相关。

动作空间表示也取决于末端执行器。对于平行爪夹具，单个连续或二进制变量控制打开宽度。对于灵巧手，动作空间扩展到 12–24 个关节角度，需要显著更多的训练数据和更具表达力的策略架构。在跨具身数据（Open X-Embodiment）上训练的 VLA 模型开始跨夹具类型泛化，但这仍是一个活跃的研究领域。

对于遥操作数据收集，末端执行器决定了输入设备映射。主从设置（ALOHA）需要具有相同夹具的主臂。基于 VR 的遥操作将控制器触发映射到夹具打开/关闭。灵巧手遥操作需要数据手套或手部跟踪系统。

传感集成

现代末端执行器越来越多地集成嵌入式传感器，将被动夹持装置转变为主动感知工具。三种最常见的传感模式是：

腕部安装的 F/T 传感器位于法兰盘和末端执行器之间，测量接触界面处的 6 轴扳手。这些传感器支持阻抗控制抓握、通过力导数监测滑动检测和力限制插入。ATI Nano17、Robotiq FT300 和 OnRobot HEX 是常见选择。在遥操作期间记录的 F/T 数据为接触感知策略生成更丰富的训练数据集。

手指尖表面的触觉传感器阵列在接触区域提供空间分布的压力图。基于视觉的触觉传感器（GelSight、DIGIT）捕获高分辨率接触几何；电阻阵列（Paxini Gen3）提供适合闭环控制的快速读取速率。触觉反馈支持抓握稳定性评估、纹理分类和手内物体状态估计。

接近传感器（红外、电容）安装在手指表面，在物理接触前检测物体，支持预抓握对齐和碰撞避免。这对深度相机难以处理的透明或镜面物体特别有用。

添加传感的权衡是复杂性：额外的电缆、数据流和校准要求。对于专注于仅从视觉观察进行行为克隆的研究设置，没有腕部传感的简单平行爪夹具可能是实现工作策略的最快路径。对于接触丰富的工业应用（装配、抛光、插入），腕部 F/T 和触觉传感是必需的。

维护和磨损

末端执行器是易耗组件，会因重复接触而磨损。夹具手指垫随时间失去摩擦力，吸盘中的气动密封退化，灵巧手肌腱拉伸。维护计划应跟踪：

• 手指垫更换——每 50K–200K 次抓握循环后或当夹持力降至阈值以下时更换橡胶或聚氨酯垫。保持备用垫库存；垫材料（橡胶、硅胶、砂纸纹理）影响策略性能。
• 吸盘检查——在生产环境中每周检查裂纹、永久变形和真空密封完整性。当真空保持力降至额定容量的 80% 以下时更换杯子。
• 电缆和肌腱路由——对于灵巧手，每月检查肌腱张力和电缆路由。肌腱松弛引入反向间隙，降低控制精度并使校准的运动学模型失效。
• 传感器校准——当末端执行器组件被添加或更换时，腕部 F/T 传感器需要定期重力补偿重新校准。触觉传感器在垫更换后可能需要基线重新校准。

找到合适的末端执行器

RCSV 在我们的旧金山和 Allston 设施中为常见研究机器人备有平行爪夹具、灵巧手、软夹具和定制 3D 打印手指。我们的硬件团队可以帮助您为操纵任务选择、集成和校准合适的末端执行器——并收集策略所需的遥操作数据。

探索数据服务 联系我们