用于多机器人系统物体操作的Fin-Ray软体夹爪

《HardwareX》：Fin-Ray soft gripper for object manipulation with multi-robot systems

　　

软体机器人夹爪因能容忍定位误差并降低易碎物品损坏风险，在多机器人系统的协同物体运输中具有吸引力。然而，许多Fin-Ray效应夹爪缺乏集成力反馈，需凭经验调整几何形状，且未作为开源硬件记录，限制了其在研究与教学平台中的采用。研究人员提出一种专为移动机器人基于caging的操作定制的开源Fin-Ray软体夹爪的设计、制造、仪器化与验证。该夹爪结合了通过有限元分析优化的3D打印TPU手指、薄膜压阻式力传感器，以及基于STM32的比例控制器，可实时调节夹持力。完整硬件栈（含机械模型、固件及用于监控与控制的Python图形界面）以开源设计文件发布。传感器在约0.1?N至5?N范围内表征，三阶多项式校准在该区间平均精度为70.8%，极低力下精度降低，平均变异系数为1.10%，表明测量具有高重复性。针对刚性物体的静态闭环测试显示收敛至0.981?N力设定点且稳态误差小。动态交互测试证实控制器通过调整夹爪开度补偿外部扰动。能耗测量显示调节期间平均电流消耗接近250?mA，抑制扰动时峰值约1?A。结果表明所提夹爪适合作为多机器人系统协同操作实验的低成本、可复现末端执行器。

该研究发表于《HardwareX》。研究背景方面，软体机器人通过引入柔顺性、适应性和安全性改变了现代操作方式，使其能与不确定环境进行交互。与传统依赖精确运动学模型和高带宽控制的刚性机械臂不同，软体夹爪利用材料变形自然贴合物体几何形状，特别适用于工业、医疗和服务领域中常规刚性末端执行器不足的场合。在软体夹爪架构中，Fin-Ray效应因自适应抓取的有效性和可及性成为其中之一，其结构由两条柔性侧壁通过横向支柱连接，重新分配施加的力并促进向接触点弯曲。然而传统Fin-Ray设计常缺乏集成反馈、负载能力有限，且需凭经验调整几何参数以平衡柔顺性与稳定性。近期研究通过嵌入传感能力和优化结构拓扑来解决这些限制，但这些传感化和可重构架构增加了制造复杂性、材料需求和系统成本，可能限制其在开源、低预算或教育机器人平台中的采用。同时，软体夹爪在多机器人系统（Multi-Robot Systems, MRS）的协同操作与运输中开始发挥基础作用，常用caging策略使多个机器人包围物体以约束其运动同时允许柔顺重定向，这要求每个末端执行器维持自适应接触力、避免滑动并容忍定位不确定性，而传统刚性或欠驱动夹爪缺乏必要柔顺性，大多数软体设计未针对移动机器人平台所需的紧凑性、低功耗和模块化进行优化。基于此，研究人员在先前将Fin-Ray启发软体夹爪集成到领导者-跟随者控制方案用于双全向移动机器人物体运输的基础上，聚焦于为协同物体运输优化的开源Fin-Ray软体夹爪的物理实现与验证。研究人员提出一种结合3D打印柔性材料、嵌入式压阻力传感和基于STM32控制平台的装置，贡献在于提供专为多机器人caging应用优化的低成本、可复现双指夹爪架构，引入优化的45°内部支柱几何形状以促进内部梁摩擦提高结构刚度同时保持足够变形贴合物体，配备可实时力反馈的柔性力传感器，并向软机器人与多机器人研究社区提供有文档的开源硬件资源以支持自主协同运输的可重复研究。结论表明该夹爪满足协同移动机器人平台自适应物体caging的要求：柔顺、低成本、对接触力响应且无需专用设备即可复现。重要意义在于为教育和现有基础设施的开源替代方案提供低成本的软体机器人研究平台，推动多机器人协同操作的可重复实验。

主要关键技术方法包括：通过有限元分析（Finite Element Analysis, FEA）评估0°至60°范围内横向支柱角度以优化TPU手指结构柔顺性；采用TPU 95A材料以100%填充率通过FDM 3D打印制造手指并结合PLA打印安装支架与齿轮臂；集成H52压阻式薄膜力传感器并通过专用校准夹具进行分段加载与三阶多项式校准；基于STM32F407G-DISC1开发板设计电压分压电路与20?Hz FIR低通滤波（200抽头移动平均）以处理传感器信号；采用TB6612FNG电机驱动板连接HK15138伺服电机（扭矩4.3?kg·cm@6?V）通过1:1齿轮传动实现双指对称运动；开发基于C语言的STM32CubeIDE固件实现四状态有限状态机与比例控制器（K_p=0.1），并配套PyQtGraph库的Python图形界面进行实时监控与数据保存；针对刚性物体进行静态闭环测试（设定点0.981?N）与动态扰动测试评估控制器性能；测量调节与扰动期间电流消耗以分析能耗。

研究结果部分保留原文小标题并说明如下：

硬件背景（Hardware in context）：研究人员通过分析软体机器人与Fin-Ray效应现有文献指出传统设计缺乏反馈与需经验调参的限制，以及高复杂度传感架构的成本问题，和多机器人caging对柔顺末端执行器的需求，从而确定开发低成本开源Fin-Ray软体夹爪的必要性与目标应用场景。

硬件描述（Hardware description）：研究人员定义夹爪基于机械柔顺与力交互而非精度，完全模块化并由增材制造与现成组件构成，列举其作为低成本开源平台、参数化模块化设计、适用于力基控制与柔顺交互研究、易于适配教育与原型开发的特性。

夹爪设计（Gripper design）：研究人员通过FEA对TPU 95A材料在3?N载荷下模拟不同支柱角度（0°、15°、30°、45°、60°）的位移与应力分布，发现45°配置最大位移22.26?mm且在弹性极限内并利用内部梁摩擦提供刚度，因此选为优化准则；手指长100?mm、顶角83.3°等腰三角形、支柱宽1?mm间距5?mm；采用Ender 3 V2以100%填充直接驱动改性打印TPU参数（层高0.2?mm、打印温度220?°C、喷嘴0.4?mm、速度20?mm?s^?1、床温30?°C、禁用冷却与回抽、梳状模式全开）；设计PLA安装支架适配YAHBOOM ROSMASTER X3移动机器人，采用HK15138伺服电机通过20齿1:1传动（压力角20°、模数2.25?mm）实现双指对称开合，适用20?cm至30?cm立方体物体。

仪器化（Instrumentation）：研究人员采用JESSINIE H52压阻薄膜力传感器（110?mm×15?mm，量程20–10?000?g），设计刚性校准夹具确保载荷集中于活性条纹区；通过电压分压电路以示波器测基线噪声约0.1?V（占可用范围4.5%），FFT显示噪声集中于20–30?Hz，故在STM32上实现200抽头移动平均FIR低通滤波（ADC采样4000?Hz，截止20?Hz）；以50?g增量加载至500?g采集中位电压进行三阶多项式校准（W=9.81(?2092.8V³+18651V²?55684V+55852)/1000），因伺服无法达传感器上限故校准限于此范围；采用TB6612FNG双H桥驱动板隔离STM32逻辑与6?V伺服供电并抗反电动势。

软件与控制系统（Software and control system）：研究人员在STM32CubeIDE用C开发固件，以四状态有限状态机（START、CONTROL、IDLE、END）通过USB命令（’s’、‘i’、‘c’）切换；CONTROL状态下比例控制器依据设定点与实测力误差调整PWM占空比（PWM频率50?Hz，中立脉宽1500?μs，范围500–2500?μs对应±45°偏置与180°行程，K_p=0.1并限幅）；计算机端用PyQtGraph开发Python GUI发送串口命令并显示力、设定点、误差、脉宽，关闭时自动存CSV；实时遥测通过USB传输。

设计与文件总结（Design files summary）：研究人员提供STEP与STL格式的支架、驱动/从动齿轮臂、夹爪手指模型，装配视频与缩略图，Python绘图脚本plotter.py，STM32CubeIDE项目STM32_firmware.zip及README.md，均以CC BY 4.0授权发布。

材料清单总结（Bill of materials summary）：研究人员列出主要组件成本总计约900?USD（含可选ROSMASTER X3平台799?USD），核心为HK15138伺服、STM32F407G-DISC1、TB6612FNG、H52传感器、Tesa 4965胶带、5?kΩ电阻、3D打印件（PLA支架、TPU手指与齿轮臂）、金属轴承与螺丝螺母、可选6?V≥2?A电源。

组装说明（Build instructions）：研究人员分步描述3D打印取向（手指侧躺外平面朝板、支架底座朝板、齿轮面朝板）、伺服安装（M5×8螺丝固定HK15138于PLA支架）、驱动齿轮臂对齐中立位、从动臂压入MR105ZZ轴承以M5×20螺丝与螺母安装于支架并啮合齿轮、TPU手指以M3螺丝螺母固定于齿轮臂内凹相对、H52传感器以Tesa 4965贴于指内侧活性区居中、按图连接STM32与TB6612FNG及伺服（6?V供电机、5?V/USB供MCU共地）、烧录固件并通过GUI验证START与CONTROL模式及力读数；安全注意机械夹点、6?V≥2?A限流电气检查、避免长时间堵转发热。

操作说明（Operation instructions）：研究人员要求物体置于夹爪中心面对齐手指内表面以对称变形最大化传感接触；无需额外校准（传感器已预校）；设定点需在0–3?N内，低于约1.5?N仅用于接触检测与趋势监测而非精确绝对力调节，高于500?g设定点会导致控制饱和与伺服堵转发热故应避免；操作步骤为供STM32电连PC、启Python GUI、选模式、设安全设定点、置物于指间控力、监GUI信号；注意避手与松散物近齿轮并不长期堵转，限台式低力实验用。

验证与表征（Validation and characterization）：研究人员分三小部分。

准确度与精密度（Accuracy and precision）：研究人员以50?g增量加载测十次读数，用绝对误差、百分比误差与准确度公式计算，全范围平均准确度70.812%，低力（<约1.5?N）因压阻膜非线性、低信噪比与TPU-传感器柔顺接触导致精度低（如0.118?N时?39.498%），随力增精度改善（如5.023?N时97.408%）；以变异系数（Coefficient of Variation, CV）评精密度，平均CV 1.0996%（范围0.82%–4.32%），表明重复测量一致性高，适合caging中接触检测与趋势反馈而非高精度计量。

力反馈控制器验证（Force-feedback controller validation）：研究人员分静态与动态。

静态测试（Static tests）：研究人员对刚性物体设0.981?N（100?g等效）设定点，初始接触延迟约1.12?s，接触后PID控制器使力达1.01–1.03?N（超调3–5%），稳定时间约1.08?s，稳态误差小，控制动作脉宽稳于约40–45%并微校正，积分作用减稳态偏差，证明静态收敛可靠。

动态交互（Dynamic interaction）：研究人员在稳于约1.0?N后手动施扰模拟运输中偏移旋转，力波动约0.68–1.24?N及0.86–1.12?N，控制器调脉宽开合指恢复设定点，大扰恢复时间约0.75?s，误差在±5%带内，积分减持久偏差、微分改善瞬态，证明扰动抑制与动态接触维持能力。

能耗（Energy consumption）：研究人员测伺服电流，静态力控平均约250?mA，调载峰达1000?mA，空闲与初定位近零，表明能耗主要在主动调节期。

结论与未来工作（Conclusions and future work）：研究人员总结设计并验证开源Fin-Ray软体夹爪适用于多机器人协同操作，FEA优选45°横向支柱最大柔顺性以适配不规则物体，校准传感平均CV 1.10%但低力精度受限，静态控收敛设定点、动态抑扰调开度，调节均流250?mA扰峰1?A；结论为夹爪满足协同移动平台caging要求：柔顺、低成本、力响应、可复现无专用设备。未来将设计定制PCB集成接口与驱动供电、探索非反向驱动传动或小减速机构解决易反向驱动问题、拓展TPU手指制造至树脂打印、硅胶铸造与注塑以提高一致耐久与重复适多机器人部署。

讨论部分总结即上述结论翻译与未来方向浓缩：本研究提出并验证了一种面向多机器人系统协同物体操作的开放源码Fin-Ray软体夹爪，通过有限元分析优化45°横向支柱几何、集成压阻式力传感与STM32比例控制实现实时力反馈，具备低成本与可复现性；传感器在0.1–5?N内平均精度70.8%、平均变异系数1.10%显示高重复性；静态与动态测试分别证实其对0.981?N设定点的收敛能力与对外部扰动的抑制恢复（恢复约0.75?s）；能耗在调节期平均250?mA、扰动峰约1?A；该夹爪适合作为多机器人协同操作实验的末端执行器。未来工作包括开发集成定制PCB、引入非反向驱动传动减小反向驱动与伺服应力、拓展软指制造工艺以提升一致性与耐久性以适应多机器人部署。