大多数工业机器人仍将抓地力视为机械事后的想法，这是一个完全对齐的工厂零件上的一个抓地力。然而，真正的经济充满了咖啡杯，纠结的电缆和水泡包装的电子设备，这些电子产品要求只有人类目前提供的那种指尖细微差别。鲁卡（Ruka）是纽约大学（New York University）的新开放式的类人动物手，重新挑战一个简单的问题：如果实验室可以以中型笔记本电脑的价格3D销售一只人类大小的手，用外部运动提示手套进行训练，并以外的运动提示手套，并且仍然匹配或匹配或超过商业系统的实力，而商业系统的实力则成本更高，那么二十亿？
命题很重要，因为灵巧的操纵是当今单用柯比特人和明天真正的合作机器之间缺少的联系。紧凑，低成本和学习准备就绪的手可以在物流，医疗保健和消费者机器人技术中解锁新产品线，其中材料法案正在接受不懈的审查。通过将肌腱驱动的设计与数据驱动的控制器耦合， Ruka项目 表明，当机器学习处理用于惩罚低成本驱动的非线性时，通常会重新谈判通常的交易 – 准确性与实力与大小的实力与规模。
为什么敏捷仍然要花一大笔钱
遗产机器人手认为需要精确的扭矩控制，需要将专用的电动机和编码器放入每个接头。该体系结构改善了运动学可预测性，但使信封肿了，将手腕推向卡通比例，并将零售价提高到大多数大学的研究预算之上。试图将电动机搬到前臂并穿过肌腱的路线构成较小的曲线，但它们引入了传统的PID控制器努力线性化的弹性。金字塔的顶部是阴影之手，这是一个具有22个自由度的肌腱驱动的奇迹，还带有六样的价格标签和维护负担，鼓励操作员将第二个单位保持在备用零件方面。
纽约大学团队以三个战略赌注面对这个行业僵局。首先，拟人化的保真度是不可谈判的，因为它简化了从人类示范到机器人关节的转移，消除了昂贵的重新定位管道。其次，学习可以比任何手工制作的逆运动学库更好地建模肌腱松弛，滞后和摩擦。第三，硬件应该便宜且可更换，以便在不担心破坏性测试的情况下进行实验迭代。
Ruka硬件剧本内部
Ruka的材料清单在 $ 1300 对于高级构建或与 $ 500 具有较轻的Dynamixel执行器选项。一切结构性都来自24小时的消费者级别3D打印机：刚性的PLA骨头和用于合规的接触表面的TPU垫。 11个Dynameixel智能伺服器迁移到通风的前臂湾，通过低处PTFE袖子穿过高衬里的编织钓鱼线驾驶15个接头。嵌入到缘的弹簧提供了被动的延伸，可以修剪活跃的运动数，而不会损害远端接头的120度卷发。
尺寸反映了成年人类的手 – 长达18厘米长 – 因此，远程运行手套，制造固定装置和日常工具适合，而无需缩放适配器。组装需要大约七个小时，热量套件和焊接铁。在下降测试期间打破指关节，整个模块在二十分钟内解开替换，这是一种与单层商业操纵器形成鲜明对比的服务性壮举。
性能指标 讲更深层的故事。鲁卡（Ruka）在掌握力量上抬起六公斤，提供2.74张纽顿的捏力，并在指尖滑倒之前承受33个纽顿，这是在相同协议下进行测试的Leap，Allegro和Inmoov手。热原木显示电动机即使在不间断的二十小时运行后，电动机也稳定在临界温度以下，这是一个足够长的操作窗口，足以用于仓库移动或过夜实验室实验。
学习取代了运动学
肌腱动力学打破了经典机器人技术期望的运动角度和指尖位置之间的刚性数学联系。 Ruka团队并没有将Manus Motion -Apture手套直接固定在每个关节上。通过程序指挥随机运动位置并以15 Hz的形式记录所得的指尖笛卡尔坐标，它们在没有人类监督的情况下产生了数十万个标记的对。轻巧的LSTM编码最后十个州向量，并为输出电动机目标输出的MLP，在不到一个小时的标准GPU上训练平均平方误差的训练。
结果是一个闭环控制器，该控制器将指尖目标解析为从未见过的机器人五毫米内的作用。在启动过程中，自动映射脚本对每个肌腱的范围进行了二进制搜索，以补偿各种新构建的张力变化。当相同的网络对另一只新鲜印刷的手进行详细介绍时，平均位置漂移仍保持在三毫米之下，足以容纳钉孔的任务或螺丝驾驶。
为了说明技能转移，研究人员通过Hudor框架为人类演示视频提供了供应，该框架将视觉轨迹转换为开环电机脚本，然后学习一项残差政策，以在线纠正错误。 Ruka在40集中掌握了Cube翻转和面包交接任务，达到25 Hz的远程操作速度。这些壮举强调了策略转变：开发人员可以在离线数据收集中投资闲置的计算周期，而不是追逐更大的参数模型，从而产生紧凑的特定任务控制器。
战略收益矩阵
成本，强度，精度和拟人化定义了一个四方面的贸易空间，传统手锚分开角落。 Ruka的肌腱加上堆栈将可行的边界向外移动。下面的回报矩阵概述了工程团队的修订决定计算：
- 需要高精度，预算灵活 – 直接驱动仍然是显微外科或半导体比对的谨慎。
- 人类互动，预算中等 – Ruka Class Hands提供拟人化范围以及可观的扭矩，降低了集成时间。
- 重载后勤 – 平行的下颌握手仍然占主导地位，每公斤携带的成本。
- 柔软，精致的处理 – 尽管传感器和训练正在成熟，但气动或充实的手指在合规性上获胜。
对于评估新产品系列的OEM，Ruka转移了盈亏平衡点：一批飞行员十只手的费用大约是一个高级商业操纵器在2023年所做的，但可以提供可比的敏捷性。教育机构获得了一个平台，本科生可以在一个学期内打印，组装和校准，从而加快概念的证明周期。
Ruka接下来适合的地方
首先，该项目邀请 传感器融合。前臂围墙已经容纳电力和通信巴士；研究人员可以在TPU垫下滑动电容式或压力阵列，并将学习管道扩展到触觉输入，从而实现带有摄像头的带倾斜的拾取和位置。
其次，开放的CAD文件鼓励 特定于应用的叉子。食品服务的变体可以用不锈钢连接来代替PLA，以在洗碗机上生存。外科手术可能会缩小执行器的尺寸，但覆盖了生物相容性涂层。
第三，策略扩展到 双足动力。如果可以通过学习来驯服肌腱驱动的手，则肌腱网脚踝和膝盖对于轻质的人形生物来说是合理的，减少了肢体惯性和运动数量，同时保持力量。
最后，鲁卡（Ruka）在机器人经济学中展示了一个未能被重视的真相： 一旦控制堆栈了解他们的怪癖，便宜的零件就会成为优质零件。学习将钓鱼线变成精确的执行器，并将耐用性打印为PLA。这样一来，它将开发脚本翻转，将软件创新置于外来金属制品上。
机器人团队的实用收获：
- 根据学习基准，不仅仅是运动规格对手设计基准测试。 肌腱非线性以前是不合格的低成本设计；数据驱动的控制器现在消除了大部分赤字。
- 投资自动数据管道。 纽约大学（NYU）团队收集了运动的自主跟踪，避免了散布瓶颈，从而减慢了加固学习进行操作。
- 计划可采用现场的单元。 快速零件交换增加了实验性的正常运行时间，应纳入任何商业路线图。
- 利用用于用户培训的拟人化。 适合货架近距离手套的手可以简化人类的工作流程，并加快了演示捕获的捕获。
Ruka是公开许可的硬件，详细的CAD和可再现的固件，而不是盒装产品。该选择是一个生态系统，在该生态系统中，在材料上迭代，添加传感器并发布其他人的控制器检查站。直接价值是对高级操纵研究的第一次划分。长期的意义是建筑的证据：学习算法可以超越曾经将机器人手价格推向平流层的物理折衷。对于初创企业和学者来说，信息很明确。在订购定制钛连接之前，请尝试打印一只手，教它思考，看看肌腱和代码可以带您多远。
