从力量到精准：学习多指机器人手的精细灵巧操作

人类的抓取大致可分为两类：力量抓取和精准抓取。精准抓取使得工具使用成为可能，并被认为影响了人类的进化。当今的多指机器人手在力量抓取方面表现有效，但对于需要精准操作的任务，平行夹爪仍然被更广泛地采用。这种对比凸显了当前机器人手设计的一个关键局限：难以在单一、通用的系统中同时实现稳定的力量抓取和精确、精细的操作。在这项工作中，我们通过联合优化多指灵巧手的控制和硬件设计来弥合这一差距，使其同时具备力量和精准操作能力。我们没有重新设计整个手，而是引入了一种轻量级的指尖几何修改，将其表示为一个接触平面，并联合优化其参数以及相应的控制。我们的控制策略在力量操作和精准操作之间动态切换，并将精准控制简化为并行的拇指-食指运动，这被证明对仿真到现实的迁移具有鲁棒性。在设计方面，我们利用大规模仿真，使用可微的神经-物理代理模型来优化指尖几何形状。我们通过在仿真到现实和现实到现实环境中的大量实验验证了我们的方法。在仿真到现实的精准抓取中，我们的方法对未见过的物体达到了82.5%的零样本成功率，在涉及捏取面包的具有挑战性的现实世界任务中达到了93.3%的成功率。这些结果表明，我们的协同设计框架能够显著增强多指手的精细操作能力，而不会降低其力量抓取能力。我们的项目页面位于https://jianglongye.com/power-to-precision。