ART-Glove: Articulated Tactile Glove for Contact-Grounded Dexterous Interaction Capture

📄 arXiv: 2606.16370v1 📥 PDF

作者: Changyi Lin, Ding Zhao

分类: cs.RO

发布日期: 2026-06-15

💡 一句话要点

提出ART-Glove以捕捉接触基础的灵巧交互

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 触觉手套 灵巧交互 机器人学习 人机交互 传感技术

📋 核心要点

  1. 现有的手部捕捉技术往往无法同时保持人类手的灵巧性和接触信息的准确性。
  2. ART-Glove通过16个刚性表面和22个关节设计，能够精准捕捉手部运动和触觉信息。
  3. 实验结果表明，ART-Glove在运动自由度和触觉感知方面表现优异，能够有效支持机器人学习任务。

📝 摘要（中文）

我们提出了ART-Glove，这是一种设计用于捕捉接触基础灵巧演示的关节触觉手套，同时保持人类的灵巧性。ART-Glove通过覆盖手指、拇指和手掌的16个刚性功能表面，使手侧接触几何形状变得明确。22个解剖对齐的关节连接这些表面，使其在灵巧操作过程中能够跟随人手运动。基于编码器的传感器跟踪表面运动，而密集的压阻触觉传感器记录相同表面的接触信息。整个系统以120 Hz的频率捕捉同步的22自由度关节测量和2048个触觉测量。我们通过运动自由度、关节传感、触觉传感和接触丰富交互捕捉的实验评估了ART-Glove，展示了其在记录接触基础信息的同时保持人类灵巧性的能力，这些信息可以支持下游的灵巧机器人学习。

🔬 方法详解

问题定义：本论文旨在解决现有手部捕捉技术在灵巧性和接触信息记录方面的不足，现有方法往往无法同时满足这两个需求。

核心思路：ART-Glove的设计核心在于通过刚性功能表面和解剖对齐的关节，确保手部运动的自然性与触觉信息的准确捕捉。

技术框架：ART-Glove的整体架构包括16个刚性表面、22个关节、编码器传感器和压阻触觉传感器，能够同步捕捉手部运动和触觉信息。

关键创新：ART-Glove的主要创新在于其结合了高精度的关节测量与密集的触觉感知，能够在灵巧操作中同时记录接触信息，这在现有技术中尚属首次。

关键设计：手套的设计包括22个解剖对齐的关节，确保与人手运动的高度一致性；同时，采用120 Hz的采样频率以保证数据的实时性和准确性。触觉传感器的密度达到2048个触觉单元，提供了丰富的接触信息。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果显示，ART-Glove在运动自由度和触觉感知方面的表现显著优于现有技术，能够以120 Hz的频率同步捕捉22个自由度的关节数据和2048个触觉数据。这种高精度的捕捉能力为后续的机器人学习提供了丰富的数据支持。

🎯 应用场景

ART-Glove在机器人学习、虚拟现实和人机交互等领域具有广泛的应用潜力。通过捕捉人类的灵巧操作和触觉信息，它可以帮助机器人更好地理解和模仿人类的操作方式，从而提升其在复杂任务中的表现。未来，该技术可能推动智能机器人在医疗、服务和制造等行业的应用。

📄 摘要（原文）

We present ART-Glove, an articulated tactile glove designed to capture contact-grounded dexterous demonstrations while preserving human dexterity. ART-Glove makes hand-side contact geometry explicit with 16 rigid functional surfaces covering the fingers, thumb, and palm. Twenty-two anatomically aligned joints connect these surfaces and allow them to follow human hand motion during dexterous manipulation. Encoder-based sensing tracks surface motion, while dense piezoresistive tactile sensing records contact over the same surfaces. The complete system captures synchronized 22-DoF joint measurements and 2048-taxel tactile measurements at 120 Hz. We evaluate ART-Glove across experiments on motion freedom, joint sensing, tactile sensing, and contact-rich interaction capture, demonstrating its ability to preserve human dexterity while recording contact-grounded information that can support downstream dexterous robot learning.