北京
亚德诺半导体（Analog Devices）的 Touch2Trace 研究，旨在解决灵巧机器人领域的一项核心难题：让机器人在不依赖视觉的情况下操控柔性线缆。机器人需要在线缆发生位移时保持握持状态，将人类手指动作转化为机器人动作，并通过示教进行学习。Touch2Trace 方案融合了基于 MANUS 的遥操作、触觉传感与模仿学习技术，使机器人能够在全新的布线工况下完成线缆循迹操作。
借助 MANUS 采集人类示教动作
该研究利用触觉传感与关节状态反馈，训练机械手在无视觉输入的条件下，用手指送进线缆。为采集示教数据，研究人员采用 MANUS Metagloves Pro 数据手套实现机械手遥操作。
手套将操作者的手指关节角度实时传输至定制动作重定向管线，把人体动作映射到机械手拇指、食指、中指共 8 个关节。借此，操作人员可以演示线缆循迹所需的捏取与卷曲动作。
将示教动作转化为训练数据
遥操作过程中，系统同步记录机器人关节指令、实测关节状态，以及机械手指尖传感器采集的触觉数据。记录得到的动作指令作为模仿学习的动作目标，把示教动作与机器人感知观测数据进行配对。
Touch2Trace 将面向特定任务的示教训练数据，与独立预训练的触觉编码器相结合，实现了自主线缆循迹，并具备零样本迁移能力，可应对未见过的线缆类型与布线场景。
Touch2Trace 这项研究展示了基于 MANUS 的遥操作技术如何赋能灵巧机器人学习：采集人类手指运动信息，将其转换为机器人动作，并同步采集示教动作与机器人自身感知反馈数据。
关于MANUS Metagloves Pro
Manus Metagloves Pro模块化、可扩展的设计和更大的无线使用范围确保了其在任何环境下都可以轻松操作的超高灵活性。
Manus Metagloves Pro支持快速设置，校准时间短。有多种尺寸可供选择，适用于多种手部动捕场景。可更换电池让手套能够连续使用，且无需重新校准。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
