MILE：一种基于指节可视-触觉感知的机械等效外骨骼数据收集系统用于灵巧操纵
机器人学
2025-12-22 v2 计算机视觉与模式识别
人机交互
摘要
仿生学习提供了一种灵巧手部操纵的有前景的途径，但其有效性受限于缺乏大规模、高保真数据。现有数据收集管道存在运动重新定位不准、数据收集效率低以及缺少高分辨率指节触觉感知等问题。我们通过设计一种从人手到外骨骼再到机器手的机械等效遥操作和数据收集系统来弥补这一差距。外骨骼从人手中获得人类学参数，机器手保留一对一的关节位置等效性，消除非线性重新定位，实现精确、自然的控制。外骨骼实现了多关节平均绝对角度误差低于一度，而机器手集成了紧凑的指节可视-触觉模块，提供高分辨率触觉观测。基于该无重新定位接口，我们进行复杂、接触丰富的手内操纵，并高效收集由高分辨率指节可视-触觉信号、RGB-D 图像和关节位置组成的多模态数据集。遥操作管道实现了平均成功率提升 64%。将指节触觉观测纳入后，平均比仅视觉基线提高了 25%，验证了数据集的保真度和实用性。更多细节请参见：https://sites.google.com/view/mile-system。
引用
@article{arxiv.2512.00324,
title = {MILE: A Mechanically Isomorphic Exoskeleton Data Collection System with Fingertip Visuotactile Sensing for Dexterous Manipulation},
author = {Jinda Du and Jieji Ren and Qiaojun Yu and Ningbin Zhang and Yu Deng and Xingyu Wei and Yufei Liu and Guoying Gu and Xiangyang Zhu},
journal= {arXiv preprint arXiv:2512.00324},
year = {2025}
}