搜维尔科技：如何用Manus数据手套远程操控PSYONIC能力之手

远程操作使人类能够通过自然的指尖动作来控制机械手。基于我们使用MANUS Metagloves Pro和PSYONIC Ability Hand进行的内部测试，本工作流程概述了如何使用MANUS的高精度手指追踪技术和PSYONIC的自适应机械手，创建一个响应迅速、实时的ROS 2远程操作设置。

开始之前你需要准备什么

此工作流程需要MANUS Metagloves Pro手套、PSYONIC Ability Hand辅助手以及运行 ROS 2的Linux工作站。虽然 MANUS Core基于Windows系统，但Linux系统可以使用MANUS Integrated SDK，该SDK可将手套数据直接传输到 Linux 环境中。MANUS ROS 2节点发布关节角度数据，而 PSYONIC ROS 2节点则向Ability Hand辅助手发送控制命令。

分步安装说明

1. 连接硬件

将 Metagloves Pro 加密狗连接到您的Linux工作站，并使用MANUS集成SDK将手指数据流式传输到ROS 2。安装ROS 2，并下载MANUS ROS 2软件包和PSYONIC ROS 2 Python包装器。

MANUS节点发布原始数据和关节角度数据，而PSYONIC软件包提供用于控制Ability Hand的命令接口。一旦两者都激活，系统即可通过转换层进行集成。

2. 创建翻译层

翻译层将MANUS输出连接到PSYONIC输入。

由于人手的运动学结构比Ability Hand的驱动模型包含更多的自由度 (DOF)，因此需要将 MANUS 关节角度映射到机器人手的指令中。

MANUS 提供操作者手部的MCP、PIP 和 DIP角度（以度为单位），这些角度合并成每个手指的单一标准化弯曲值，并映射到PSYONIC手指位置界面。

3. 微调数据

翻译层运行后，测试基本手势以发现缩放问题或偏移：

• 张开的手
• 拳头
• 三脚架握把

进行一些细微的调整，例如缩放、零偏移校正或轻微平滑处理，都是正常的，尤其是在将连续的人体运动映射到Ability Hand的减少的自由度时。

常见问题及故障排除

内部测试中发现的大部分挑战都来自拇指，因为需要将其映射到自由度较低的“能力手”的拇指上。MANUS提供了详细的拇指参数，包括屈曲和掌外展，而机器人的拇指仅接受基本的屈曲输入。

该难题通过以下方式解决：

• 拇指旋转 → 使用，略微缩放
• ThumbMCPspread
• 拇指屈曲 → 与其他手指一样，结合掌指关节/指间关节的屈曲，然后应用一个小的比例因子

这样可以产生稳定、可预测的拇指运动，而不会发生意外旋转。

结论

将MANUS Metagloves Pro与PSYONIC Ability Hand配合使用，可实现简洁、实时的远程操控设置，高度模拟自然手指运动。借助MANUS集成SDK、简单的转换层和轻量级校准，开发者能够实现流畅直观的机械手控制，适用于研究、开发和具身人工智能实验。

关于搜维尔科技

我们热衷于动作捕捉技术的研发与推广。我们热衷于推动技术发展，使其处于技术前沿甚至更前沿。在这个频道上，我们想分享我们基于动作捕捉技术的最新体验。搜维尔科技与Manus总部签署代理合作协议，成为其在中国大陆地区的授权代理经销商。搜维尔科技现支持相关产品购买、咨询与售后支持等服务，欢迎垂询。