利用基于腱绳的本体感知进行抓取状态估计的欠驱动机械手

拟人化欠驱动手因其结构简单和固有的适应性而受到重视。然而，由相互依赖的关节运动引起的不确定性，使得在不通过多个嵌入式传感器增加结构复杂性的情况下，捕捉手-物交互过程中的各种抓取状态变得具有挑战性。这催生了对一种方法的需求，该方法能够从单一传感源提取丰富的抓取状态信息，同时保持欠驱动的简洁性。本研究提出了一种拟人化欠驱动手，仅使用由串联弹性执行器（SEA）提供的基于腱绳的本体感知，即可实现全面的抓取状态估计。我们的方法得益于一种紧凑型SEA的设计，该SEA具有高精度和高可靠性，可无缝集成到无传感器的手指中。通过将精确的本体感知测量与基于势能的建模相结合，该系统能够估计多个关键的抓取状态变量，包括接触时机、关节角度、相对物体刚度和外部扰动。手指级别的实验验证和广泛的手部级别抓取功能演示证实了所提出方法的有效性。这些结果凸显了基于腱绳的本体感知作为一种紧凑且鲁棒的感知模态，可在不依赖视觉或触觉反馈的情况下进行实际操控。