FSGlove：基于惯性的手部跟踪系统与形状感知校准
机器人学
2025-09-26 v1
摘要
精准的手部运动捕获（MoCap）对机器人、虚拟现实和生物力学等应用至关重要，但现有系统在捕获高自由度（DoF）关节运动学和个性化手部形状方面存在局限。商业手套最多支持21个DoF，不仅不足以应对复杂操作，还忽略了对接触丰富任务至关重要的形状变化。我们提出FSGlove，一种基于惯性的系统，同时跟踪最高可达48个DoF的关节运动，并通过DiffHCal一种新型校准方法重建个性化手部形状。每个手指关节和手背都配备了IMU，实现高分辨率运动感知。DiffHCal通过可微分优化将参数化MANO模型集成，解决关节运动学、形状参数和传感器错位问题。该系统实现了最先进的精度，关节角误差小于2.7度，在形状重建和接触保真度方面超越商业方案。FSGlove的开源硬件和软件设计确保与当前VR和机器人生态系统兼容，其捕获细微运动（如指尖摩擦）的能力弥合了人类灵活性与机器人仿生之间的差距。经与诺科夫光学MoCap比较评估，FSGlove在手部跟踪领域实现了统一的运动学和接触保真度。硬件设计、软件及更多结果均可访问：https://sites.google.com/view/fsglove。
引用
@article{arxiv.2509.21242,
title = {FSGlove: An Inertial-Based Hand Tracking System with Shape-Aware Calibration},
author = {Yutong Li and Jieyi Zhang and Wenqiang Xu and Tutian Tang and Cewu Lu},
journal= {arXiv preprint arXiv:2509.21242},
year = {2025}
}
备注
Presented at IROS 2025, details are available at https://fsglove.robotflow.ai