联系销售
返回Guides

<unk>的机器人手:阿莱格罗 vs 跳跃 vs 激励

对于操纵研究的精巧机器人手进行比较:阿莱格罗手, LEAP手,Inspire手.DOF,成本和软件支持.

概述

精巧的操纵是机器人学习的边界. 虽然平行爪抓住器处理80%的工业选择和位置,剩下的20% - - 工具使用,手中旋转, 触觉传感对数据丰富性产生影响,价格对实验中可以打破多少手产生影响.

完整规格比较

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 灵巧手 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

解释了动作类型

直接驱动

机器位于每一个关节或附近.阿莱格罗手使用Maxon DC机;LEAP手使用Dynamixel智能伺服器.优点:简单的动力学,直接的位置/速度/扭矩控制,没有电缆路由.缺点:机器增加了手的重量和重量;手动机的功率输出有限.

部驱动

电动机位于前臂或远程动机组中,通过部 (电缆或棒) 连接到关节.影子手和奥卡手使用这种方法.优势:轻重的手指,更大的力量 (电动机可以更大),更像人类的机械设计.缺点:复杂的电缆路线,从电缆拉伸的歇斯底里,更难以准确地建模为真实传输.

没有减速

动力比关节少. 激励手指使用每指的一个电机通过连接机制驱动多个道. 手指被动地适应对象形状. 优点:非常简单的控制,强,成本低. 缺点:无法独立控制每个关节,手中的操纵技巧有限.

触觉感觉集成

触觉感知对于精巧的操纵研究越来越重要. 添加触觉数据到视觉政策,在最近的研究中提高了15-30%的把握成功率.

  • Paxini传感器 ([可用在RCSV](T2)):可与奥卡手和其他手组合的高分辨率容量触摸阵列.提供丰富的接触几何数据.ROS2主题.最佳选择数据收集研究.
  • **BioTac SP:**19-txel指尖传感器由SynTouch.以前是黄金标准,但越来越难以获得.与影子手协作,可适应Allegro.
  • **GelSight / DIGIT:**基于视觉的触觉传感器,产生高分辨率的接触图像.GelSight Mini ($300 DIY) 和DIGIT ($500) 可以作为手指尖安装在定制手工设计上.请参阅我们的 触觉传感器比较 指南.
  • FSR阵列: 最低成本选择. 强力敏感的阻力 ($5-$50) 提供二进制或低分辨率的压力读数.适合检测接触存在,但不适用于精细操纵研究.

根据使用情况的建议

  • ** 最好的预算研究手:** LEAP Hand (~$2,000 DIY).开源设计,16DOF,大社区.需要组装和Dynamixel伺服器采购.
  • 最适合真实转移: Allegro Hand v4 (~15,000美元). 在RL-for-dexterity研究中最广泛使用. MuJoCo和Isaac Sim中的精确的sim模型.直驱简化了建模.
  • 最好的触觉传感器: 卡手 + 帕克西尼传感器 (可从 [RCSV](T4 提供).
  • **最高精巧度:**影子精的手 (~120,000美元). 24-DOF,最接近人类动力学.
  • 最适合人形集成: Inspire Hands (~$3,000). 轻量,负担得起,强大.用于Unitree G1和其他人形平台.
  • 最适合收集数据: 鱼手或阿莱格罗手,配备Paxini传感器.可控制的手指+丰富的触觉数据的组合产生了最高质量的操纵数据集.

概述

精巧的操纵是机器人学习的边界. 虽然平行爪抓住器处理80%的工业选择和位置,剩下的20% - - 工具使用,手中旋转, 触觉传感对数据丰富性产生影响,价格对实验中可以打破多少手产生影响.

完整规格比较

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 灵巧手 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

解释了动作类型

直接驱动

机器位于每一个关节或附近.阿莱格罗手使用Maxon DC机;LEAP手使用Dynamixel智能伺服器.优点:简单的动力学,直接的位置/速度/扭矩控制,没有电缆路由.缺点:机器增加了手的重量和重量;手动机的功率输出有限.

部驱动

电动机位于前臂或远程动机组中,通过部 (电缆或棒) 连接到关节.影子手和奥卡手使用这种方法.优势:轻重的手指,更大的力量 (电动机可以更大),更像人类的机械设计.缺点:复杂的电缆路线,从电缆拉伸的歇斯底里,更难以准确地建模为真实传输.

没有减速

动力比关节少. 激励手指使用每指的一个电机通过连接机制驱动多个道. 手指被动地适应对象形状. 优点:非常简单的控制,强,成本低. 缺点:无法独立控制每个关节,手中的操纵技巧有限.

触觉感觉集成

触觉感知对于精巧的操纵研究越来越重要. 添加触觉数据到视觉政策,在最近的研究中提高了15-30%的把握成功率.

  • Paxini传感器 ([可在RCSV](T7)):可与奥卡手和其他手组合的高分辨率容量触摸阵列.提供丰富的接触几何数据.ROS2主题.数据收集研究的最佳选择.
  • **BioTac SP:**19-txel指尖传感器由SynTouch.以前是黄金标准,但越来越难以获得.与影子手协作,可适应Allegro.
  • **GelSight / DIGIT:**基于视觉的触觉传感器,产生高分辨率的接触图像. GelSight Mini ($300 DIY) 和 DIGIT ($500) 可以作为手指尖安装在定制手工设计上. 查看我们的 触觉传感器比较 指南.
  • FSR阵列: 最低成本选择. 强力敏感的阻力 ($5-$50) 提供二进制或低分辨率的压力读数.适合检测接触存在,但不适用于精细操纵研究.

根据使用情况的建议

  • ** 最好的预算研究手:** LEAP Hand (~$2,000 DIY).开源设计,16DOF,大社区.需要组装和Dynamixel伺服器采购.
  • 最适合真实转移: Allegro Hand v4 (~15,000美元). 在RL-for-dexterity研究中最广泛使用. MuJoCo和Isaac Sim中的精确的sim模型.直驱简化了建模.
  • 最好的触觉传感器: 卡手 + 帕克西尼传感器 (可从 [RCSV](T9 提供).
  • **最高精巧度:**影子精的手 (~120,000美元). 24-DOF,最接近人类动力学.
  • 最适合人形集成: Inspire Hands (~$3,000). 轻量,负担得起,强大.用于Unitree G1和其他人形平台.
  • 最适合收集数据: 鱼手或阿莱格罗手,配备Paxini传感器.可控制的手指+丰富的触觉数据的组合产生了最高质量的操纵数据集.