Ruka-v2: Tendon Driven Open-Source Dexterous Hand with Wrist and Abduction for Robot Learning

本文介绍了 Ruka-v2，一款具备解耦 2 自由度平行手腕和手指外展/内收功能的完全开源肌腱驱动灵巧手，通过引入这些关键自由度显著提升了机器人操作能力，并在遥操作与自主策略学习中验证了其优越性。

要点

这篇论文介绍了一款名为 Ruka-v2 的机器人手。你可以把它想象成给机器人世界带来的一次“超级进化”，让机器人手从“笨拙的机械爪”变成了真正灵巧的“人手”。

为了让你更容易理解，我们可以把 Ruka-v2 比作一个刚刚学会“杂技”的乐高机器人。

1. 为什么要造它？（背景故事）

以前的机器人手（包括作者去年发布的 Ruka v1）虽然已经能做一些事情了，但就像是一个只有手指能动、手腕却像被冻住一样僵硬的木偶。

• 痛点：人类的手之所以灵活，不仅因为手指能弯曲，还因为手腕能灵活转动，手指还能像扇子一样张开或并拢（比如拿细针、转笔、在手里玩魔方）。以前的机器人手缺了这两样关键技能，导致它们很难在狭窄空间（比如橱柜里）拿东西，或者抓不住细长的物体。
• 目标：作者团队决定给机器人手装上“灵魂”，让它不仅能抓，还能像人一样灵活地“摆弄”物体。

2. Ruka-v2 的三大“超能力”升级

A. 装了个“万能关节”手腕 (2-DOF Parallel Wrist)

• 比喻：以前的机器人手腕就像门轴，只能上下动。Ruka-v2 的手腕则像人类的脖子，不仅能上下点头（屈伸），还能左右歪头（侧偏）。
• 作用：这让机器人手可以像人一样，把手伸进狭窄的柜子里，然后灵活调整角度去拿东西，而不用把整个手臂都扭过去。
• 设计亮点：这个手腕是“解耦”的，意味着上下动和左右动互不干扰，就像你既能点头又能歪头，不会打架。

B. 手指学会了“扇扇子” (Abduction/Adduction)

• 比喻：以前的手指只能像合拢的扇子一样一起弯曲。Ruka-v2 的手指根部装了新关节，让它们可以像真人的手指一样，向两边张开或向中间靠拢。
• 作用：
  • 抓细东西：像拿一根针或一支笔，需要手指并拢。
  • 抓大东西：像抓一个篮球，需要手指张开。
  • 手里转东西：可以在手掌心里旋转物体（In-hand rotation），就像魔术师变戏法一样。

C. 便宜又开源的“乐高” (Open-Source & Affordable)

• 比喻：很多高级机器人手像限量版豪车，要几万甚至十几万美元，坏了还得找厂家修。Ruka-v2 则像宜家家具，所有零件（除了螺丝和轴承）都可以用 3D 打印机打印出来。
• 成本：全套材料成本不到 1500 美元（约 1 万人民币）。
• 开源：所有的图纸、说明书、软件代码都免费公开。如果你是个极客，买几个零件，自己打印组装，就能拥有一双灵巧的机械手。

3. 它是怎么工作的？（核心机制）

• 肌腱驱动 (Tendon Driven)：
  • 比喻：想象一下提线木偶。Ruka-v2 的电机（马达）不直接装在手指上，而是装在前臂里。通过像“肌腱”一样的细绳，把力量传到手指关节。
  • 好处：手指变得很轻、很细，不像以前那样笨重，而且不容易过热。
• 智能传感器：
  • 作者设计了一种可以磁吸的小传感器，像贴纸一样贴在关节上，能精准知道手指弯了多少度。这就像给机器人戴上了“感觉神经”，不需要昂贵的动作捕捉手套就能控制。

4. 表现怎么样？（实验结果）

作者找了一群志愿者，让他们戴着 VR 眼镜，远程操控机器人手做任务（比如拿面包、开书、拿笔）。

• 结果惊人：换上 Ruka-v2 后，完成任务的时间缩短了 51%（快了一倍多），成功率提高了 21%。
• 原因：因为有了灵活的手腕和能张合的手指，机器人不再需要笨拙地调整整个手臂的位置，而是像人一样，动动手腕和手指就能轻松搞定。

5. 总结：这对我们意味着什么？

这篇论文不仅仅是在展示一个更厉害的机械手，它是在降低机器人研究的门槛。

• 以前：只有大实验室买得起昂贵的机器人手，而且很难修改。
• 现在：任何大学、甚至个人爱好者，都能花很少的钱，打印出一个功能强大的机器人手。
• 未来：这会让机器人学习（Robot Learning）变得更快。因为有了便宜、灵活、开源的硬件，研究人员可以训练出更聪明的 AI 算法，让机器人真正学会像人一样做家务、做手工，甚至帮人类做精细的医疗手术。

一句话总结：Ruka-v2 就是给机器人世界造了一双便宜、开源、且像真人一样灵活的“魔术手”，让机器人离真正融入人类生活又近了一大步。

技术摘要

论文标题：Ruka-v2：具备手腕和外展功能的腱驱动开源灵巧手，用于机器人学习

1. 研究背景与问题 (Problem)

尽管机器人算法在模仿人类智能方面取得了显著进展，但硬件（特别是灵巧手）仍然是实现人类级灵巧操作的主要瓶颈。现有的解决方案存在以下局限性：

• 直接驱动手（Direct-drive）： 虽然体积小，但通常容易过热（如 30 分钟内），或者价格极其昂贵（约 5 万美元），且缺乏足够的柔顺性。
• 腱驱动手（Tendon-driven）： 虽然更紧凑，但商业产品（如 Shadow Hand）极其昂贵（>10 万美元）且难以维修；开源版本往往缺乏完整文档、不可完全修改（非完全开源），或者自由度（DOF）不足。
• 关键缺失： 大多数现有设计忽略了手腕运动和手指的外展/内收（Abduction/Adduction），而这两者对于人类完成日常任务（如抓取薄物体、在手中旋转物体、书写）至关重要。
• 前作局限： 作者团队去年的开源项目 Ruka v1 虽然成本低（<1300 美元）且开源，但缺乏手腕自由度和手指外展能力。

2. 方法论与设计 (Methodology)

Ruka-v2 是一款完全开源的、腱驱动的拟人化机械手，旨在通过低成本硬件解决上述问题。其核心设计包括：

• 硬件架构：

  • 自由度（DOF）： 总共 18 个自由度。手指部分 16 个（每指 4 个：DIP, PIP, MCP, 外展），拇指 3 个（IP, MCP, CMC），加上 2 自由度手腕。
  • 2-DOF 解耦平行手腕： 采用平行连杆机构，实现了独立的屈伸（Flexion/Extension）和桡尺偏（Radial/Ulnar Deviation）。手腕电机安装在手腕下方，通过球铰链定义旋转中心，确保手掌在手腕运动时平移最小，且腱索路径经过旋转中心，减少腱索长度变化对控制的影响。
  • 手指外展/内收模块： 在掌部引入了独立的指关节模块，允许手指（除中指固定作为参考外）进行侧向外展。采用“单腱驱动 + 弹簧复位”机制，提供被动柔顺性并简化双向控制。
  • 可选的 DIP/PIP 耦合： 提供刚性耦合绳作为选件，强制 PIP 和 DIP 关节同步运动，提高重复精度，但牺牲了部分被动柔顺性。
  • 模块化传感器： 设计了可拆卸的 磁性编码器（AS5600） 阵列，可安装在每个关节上，用于校准和检测关节角度，无需昂贵的动作捕捉手套。
  • E-flesh 指尖： 使用 3D 打印组件模拟软体指尖，提供柔顺抓握，并预留触觉传感器接口。

• 控制与软件栈：

  • 控制策略： 将“人体姿态重定向（Retargeting）”与“关节 - 电机映射”解耦。
    • 重定向： 使用 AnyTeleop 框架，基于向量优化将人体手部姿态映射到 Ruka-v2 关节角度。
    • 线性映射： 建立关节角度与电机位置的线性关系，通过标定系数补偿腱索摩擦和重力影响。
  • 遥操作： 结合 Franka 机械臂和 Oculus VR 头显，实现单臂和双臂遥操作。
  • 策略学习： 使用 BAKU 框架，基于 100 次遥操作演示数据，训练自主策略（如抓取面包、打开音乐盒、握笔）。

3. 核心贡献 (Key Contributions)

1. 硬件创新： 发布了 Ruka-v2，这是首个完全开源、低成本（材料成本 <1500 美元）、具备 2-DOF 手腕 和 手指外展功能 的腱驱动灵巧手。
2. 性能提升验证： 通过用户研究证明，相比 Ruka v1，Ruka-v2 在遥操作任务中完成时间减少了 51.3%，成功率提高了 21.2%。
3. 设计原则与工具：
   • 提出了一套使机器人学习更易于使用的硬件设计原则（如手腕安装方式、软指尖）。
   • 设计了可拆卸的磁性传感器套件，解决了腱驱动手关节角度检测难、依赖昂贵手套的问题，并开源了相关设计。
   • 提供了完整的 3D 打印文件、组装说明、控制器代码和视频。
4. 应用验证： 展示了在 13 个灵巧任务（10 个单臂，3 个双臂）上的遥操作能力，以及在 3 个任务上的自主策略学习成果。

4. 实验结果 (Results)

• 热稳定性： 在连续 5 小时的高强度运行测试中，所有电机温度稳定，未出现过热降频。手腕电机稳态温度约 43.8°C，手指电机约 30.35°C，证明其适合长时间操作。
• 负载能力：
  • 非拇指手指的 DIP-PIP 关节可静态支撑 1200g（15 秒）。
  • 手腕在旋前/旋后状态下可支撑 1215g（20 秒）。
• 控制精度： 使用磁性编码器进行地面真值测试，平均角度误差为 8.26°（归一化误差 10.68%），证明了线性控制模型的有效性。
• 耦合机制效果： 相比未耦合设计，DIP/PIP 刚性耦合显著减少了运动重复性中的滞后和波动，使手指动作更一致。
• 用户研究对比（Ruka vs. Ruka-v2）：
  • 任务：抓取面包、握笔（利用外展关节）、打开书本。
  • 结果：Ruka-v2 在完成时间上缩短了 51.3%，成功率提升了 21.2%。这直接证明了手腕和外展功能对复杂操作的重要性。
• 自主策略学习： 在面包抓取、打开音乐盒和握笔任务中，训练出的策略在随机初始位置下均表现出良好的成功率（平均约 5.4-5.8/10）。

5. 意义与影响 (Significance)

• 降低门槛： Ruka-v2 将高性能灵巧手的构建成本降低至 1500 美元以下，且完全开源，极大地促进了机器人学习社区（Robot Learning）的硬件普及。
• 填补空白： 解决了现有开源手缺乏手腕和外展功能的问题，使其能更逼真地模仿人类操作，特别是在受限空间（如橱柜）和精细操作（如书写、捏取）场景。
• 研究工具： 为算法开发（如模仿学习、强化学习）和硬件研究（如可修改的 CAD 文件）提供了标准化的测试平台。
• 未来方向： 论文指出了线性映射假设的局限性以及磁传感器与触觉传感器集成时的干扰问题，为后续研究指明了方向（如数据驱动的建模、优化传感器布局）。

总结： Ruka-v2 通过引入手腕和外展功能，结合低成本、完全开源的设计理念，成功打破了机器人灵巧操作硬件的瓶颈，为机器人学习社区提供了一个强大且可复现的研究平台。所有资源均可在 ruka-hand-v2.github.io 获取。