基于单目视觉的18自由度仿生手多模态力位感知集成研究

这项研究针对仿人机械手在实现高自由度(18-DOF)与多模态感知时面临的高成本与复杂集成难题，提出了一种仅通过单目相机实现力位多模态感知的创新方案。研究团队开发了集成前臂系统，通过视觉追踪肌腱位移与张力，同步获取18个关节角度、5个指尖位置/接触力及物体软硬度信息，解决了传统传感器方案导致的成本高、动态干扰和集成复杂等问题。该成果发表于《Nature Communications》，为低成本高自由度仿生手的多模态感知提供了全新范式。

　　

在机器人灵巧操作领域，仿人机械手始终面临着"感知丰富度"与"系统复杂度"的悖论。传统高自由度(DOF)机械手需要为每个关节配置位置和力传感器，这不仅导致成本呈指数级增长，更引发线缆缠绕、动态干扰等工程难题。人类手指却能通过有限的生物传感器实现精妙的力位感知，这种生物学启示促使科学家们不断探索新型感知范式。

哈尔滨工业大学的研究团队在《Nature Communications》发表了一项突破性研究，他们开发的视觉多模态感知手(VMS Hand)仅通过前臂集成的单目相机，就实现了18自由度机械手的全面力位感知。该系统创新性地将13个驱动单元呈环形排列，利用平面镜反射使相机同步捕捉所有弹性肌腱的位移(δm)和张力(δx)，通过建立的肌腱特性耦合模型，可实时计算关节角度q、接触力矩τ_ext和指尖力F_ext=(J^T)⁺τ_ext。实验表明该手能完成33种标准抓握动作，位置感知误差小于1.14°，力感知误差仅0.49N，成本却仅为传统方案的6%。

关键技术方法包括：(1)环形排列的模块化驱动单元设计，集成平面镜反射光路；(2)基于视觉标记(δm,δM)的肌腱位移-张力同步检测算法；(3)考虑摩擦损耗的肌腱传输动力学模型ψ_i(q,μ)；(4)融合关节耦合特性的四连杆肌腱传动机构；(5)针对不同材料软硬度K_obj=δx_c/δm_c的触觉识别策略。

【集成驱动-感知手设计】
研究团队仿照人类前臂肌肉-肌腱结构，设计了包含13个主动肌腱的驱动系统。每个驱动单元采用双滑块结构（Slider-A/Slider-b），通过弹簧变形δx=δM-δm反映张力变化。创新性的45°平面镜布置使单相机能同时观测所有单元的虚拟图像，如图

所示。这种设计使系统在保持紧凑尺寸（直径18cm）的同时，实现了150Hz的实时检测频率。

【模块化手指设计】
五指采用差异化设计：拇指、食指、中指作为主要手指具有2自由度掌指关节(MCP)，通过差动肌腱实现外展/屈曲；环指和小指则简化为单自由度结构。近远指节(PIP/DIP)采用运动耦合肌腱模拟人类四连杆机制，如图

所示。这种模块化设计既保证了功能完整性，又降低了制造复杂度。

【位置感知实验】
通过建立肌腱位移δm与理想长度l的映射关系Γ(δm,δ ?m)，系统在12次重复实验中展现出优异的角度检测精度：MCP外展关节1.14°、屈曲关节1.04°、PIP关节0.95°。如图

所示，在网球抓取任务中能同步追踪五个指尖的三维轨迹，实现了包括执笔、捏蛋等33种标准抓握模式。

【外力感知实验】
接触检测模型通过δM>F(δm)阈值判断接触发生，如图5所示。在六维力传感器验证中，建立的关节力矩模型τ_ext=[K₀δx_c⁰-K₁δx_c¹; K₀δx_c⁰+K₁δx_c¹; K₂δx_c²]能准确反映外部载荷，使系统在物体旋转实验中实时监测到力矩变化。

【主动触觉感知】
通过分析δx_c/δm_c斜率差异，系统成功区分了木材(K_obj=0.21)、泡沫(0.43)和海绵(0.67)的软硬度。结合指尖位置反馈，还能重建订书机、鼠标等物体的三维轮廓，如图

所示。

这项研究开创性地证明了单目视觉在仿生手多模态感知中的巨大潜力。相比传统方案，VMS Hand将传感器成本降低94%，同时解决了高自由度系统布线复杂的固有问题。虽然目前精度尚不及专业传感器，但其模块化设计和生物学启发机制为下一代假肢、工业抓手的开发提供了新思路。未来通过融合自适应控制算法和自校准技术，有望在复杂操作场景中实现更接近人类的灵巧性。该成果标志着机器人力位感知从"离散传感器堆砌"向"集成仿生感知"的重要范式转变。