DexTwist：基于混合现实的指尖机器人运动重定位

通过混合现实（MR）基于的接口进行的灵巧遥操作为将人类操作技能传递给灵巧机器人手提供了可扩展的范例。然而，常规的重定位方法（例如最小化运动学不相似性，如关节角或指尖位置误差）在接触丰富的旋转操作中常常失败，例如瓶盖开封、钥匙转动和螺栓拧紧。这种失败源于 embodiment gap：链接长度、关节轴/范围以及指尖几何形状不匹配，导致直接姿态模仿会引起指尖切向滑动，而非稳定的对象旋转，结果导致 screw axis 漂移、接触滑动和抓取不稳定。为此，我们提出了 DexTwist，一种用于 MR 基于灵巧遥操作的功能扭转重定位框架。DexTwist 检测 tripod 抓取，估计操作员意图的 screw 轴和扭转幅度，并应用实时残差关节空间细化，该细化在跟踪转动进度的同时正则化机器人 tripod 几何。该细化最小化由转动角度、screw 轴一致性、指尖闭合和 tripod 稳定性定义的虚拟对象目标。仿真和实际实验表明，DexTwist 在跟踪转动角度和 screw 轴稳定性方面优于基于向量的重定位基准。