A Tendon-Driven Five-Fingered Hand with Distributed Tactile Perception for Dexterous Manipulation

📄 arXiv: 2608.25547v1 📥 PDF

作者: Huayang Chen, Longhui Qin

分类: cs.RO, cs.AI

发布日期: 2026-08-26

备注: Accepted by International Conference on Service Robotics (ICoSR) 2026

💡 一句话要点

提出一种新型腱驱动五指手以解决灵巧操作中的触觉感知问题

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 腱驱动 五指手 触觉感知 灵巧操作 机器人技术 人形机器人 双模态传感

📋 核心要点

  1. 现有的灵巧机器人手在触觉感知能力和灵活性方面存在不足，限制了其在复杂操作中的应用。
  2. 本文提出了一种新型腱驱动五指手，结合软-刚-混合结构和分布式触觉传感器，以增强其操作能力和触觉反馈。
  3. 实验结果表明，该系统在多种操作任务中表现出色，能够有效感知静态和动态接触，验证了设计的可行性。

📝 摘要（中文）

为了将具身人工智能技术应用于人形机器人进行复杂操作，灵巧的机器人手是不可或缺的，但其灵巧性和触觉感知能力受到限制。本文提出了一种新型的腱驱动五指手设计，具备分布式触觉感知能力。采用软-刚-混合结构，使手具备了顺应性和操作力。双模态触觉传感元件分布在所有五个手指的远端和中间指骨上，能够同时检测静态接触和动态力变化。通过包括计数手势、指对拇指夹持、物体抓取和瓶子抓取触觉记录等操作实验，验证了集成驱动-感知系统的可行性。

🔬 方法详解

问题定义：本文旨在解决现有灵巧机器人手在触觉感知和操作灵活性方面的不足，尤其是在复杂操作任务中的应用限制。

核心思路：提出了一种腱驱动的五指手设计，结合软-刚-混合结构，旨在提高手的顺应性和操作力，同时实现分布式触觉感知。

技术框架：整体架构包括腱驱动机制、双模态触觉传感器和控制系统。腱驱动机制负责手指的灵活运动，触觉传感器则分布在手指的远端和中间指骨上，实时反馈触觉信息。

关键创新：最重要的创新在于结合了软-刚-混合结构与双模态触觉感知，能够同时感知静态和动态接触，显著提升了操作的灵活性和反馈能力。

关键设计：在设计中，触觉传感器的布置经过精心考虑，以确保在各种操作中都能有效捕捉触觉信息，且腱驱动系统的参数设置优化了手指的运动范围和力量输出。

🖼️ 关键图片

img_0
img_1
img_2

📊 实验亮点

实验结果显示，该腱驱动五指手在计数手势、夹持和抓取等任务中表现优异，能够有效感知静态和动态接触。与传统方法相比，触觉感知的准确性和响应速度显著提高，验证了集成驱动-感知系统的有效性。

🎯 应用场景

该研究的潜在应用领域包括人形机器人、服务机器人以及医疗辅助设备等。通过增强机器人手的灵巧性和触觉感知能力，可以在复杂环境中实现更精细的操作，提升人机交互的自然性和效率，未来可能对机器人技术的发展产生深远影响。

📄 摘要（原文）

To apply the techniques of embodied artificial intelligence to human-oid robots for complex manipulations, dexterous robotic hands are indispensable, which are restricted by the dexterity and tactile perception capability. In this work, we proposed a novel design of tendon-driven five-fingered hand with dis-tributed tactile perception. With a soft-rigid-hybrid structure employed, both compliance and operational force are endowed to the hand. Dual-modality tactile sensing elements are distributed on the distal and middle phalanges of all five fingers, enabling the simultaneous detection of static contact and dynamic force variations. Manipulation experiments, including counting gestures, finger-to-thumb pinching, object grasping, and bottle-grasp tactile recording, demonstrate the feasibility of the integrated actuation-perception system.