在仿真軟件中收集高質量的靈巧操作數據要求輸入設備能夠真實地捕捉人手運動的全部動作。MANUS手套,現在原生集成到英偉達NVIDIA Isaac實驗室2.3版本中,以直接解決該需求。在演示中,操作員使用MANUS手套遠程操作Sharpa Wave,這是NVIDIA Isaac Lab內的一個22自由度靈巧機械手,將自然的手部運動轉化為毫米級保真度的實時機器人關節控制。
![]()
靈巧手操作中的數據質量瓶頸
模擬優先的機器人策略培訓具有成本更低、迭代更快、部署管道更安全等優勢。然而,經過培訓的政策的質量受到演示數據質量的限制。對于需要高度協調的多手指控制的靈巧操作任務,大多數遙操作輸入設備達不到要求。基于視覺的手部跟蹤會帶來遮擋誤差和延遲,而低自由度控制器無法捕捉復雜操作任務所需的細微手指運動。
從人手到機器人的訓練過程
MANUS手套旨在以毫米級的精度捕捉手部運動的全范圍,在長時間的操作過程中保持穩定,沒有漂移。NVIDIA Isaac Lab 2.3提供了原生支持,它將高保真手部跟蹤數據直接傳輸到仿真中,消除了通常會降低數據收集管道速度的設置。
![]()
在用例中,操作員佩戴MANUS手套在Isaac Lab里遙控1:1擬人化的22自由度機器人Sharpa Wave。手部配置直接映射到機器人關節位置,以創建一個更符合人類運動學的遠程操作界面。
錄制的數據被直接輸入到Isaac Lab Mimic進行增強和等比例縮放,然后輸入到模仿學習管道,這些過程都在將優先在模擬中進行,然后再進行實際部署。
操縱策略所依賴的精度
![]()
MANUS數據手套能實時捕捉手掌和每一根手指細微動作,提供靈巧操作研究所需的精確、穩定、無遮擋的手部跟蹤數據,可原生集成到NVIDIA Isaac實驗室工作流程中。
特別聲明:以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布,本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.