绳驱灵巧手的结构设计

聚焦问题： 1、确定自由度 2、驱动结构参考方案 3、材料及细节确定（回弹方案、张紧机构、电机选型） 4、关键问题解决 （1）绳子拉动后到什么位置怎么计算、确定 （2）绳子驱动不同地方时的运动干涉

发现了一个论文学习的极佳网站：Robotics arXiv Daily

参考学习：aero hand ，orca hand ，ruka hand v1 , ruka hand v2

其中ruka hand v1中提到了一种针对绳驱动灵巧手确定最终运动位置的方法很有意思，具体如下；

为解决腱驱动系统难以精确建模的问题，本文采用数据驱动方法学习从期望的指尖/关节位置到执行器命令的逆映射模型。其整体流程的关键在于自动化数据收集和序列化模型学习。
自动化数据收集：将MANUS动作捕捉手套通过3D打印的适配器固定在RUKA手背上。随后，系统在电机限制范围内，为每个手指（拇指3电机，其他指2电机）执行“随机游走”程序，自动采样大量执行器命令组合。在每个命令下，通过MANUS手套同步记录实际的指尖位置（f_t）和关键点（k_t，用于计算关节角度），从而构成大规模的（状态， 动作）监督数据集。这一过程充分利用了RUKA与人类手形态的相似性。
控制器架构与训练：为每个手指训练一个独立的控制器。对于拇指，模型输入是目标指尖位置；对于其他四指，输入是目标关节角度（因拇指关节定义不同，且MANUS对其他四指的指尖表示与机器人存在差异）。模型采用LSTM+MLP的架构：将当前目标状态与过去10个时间步的历史状态序列输入LSTM，以捕捉系统的动态特性；LSTM的最终输出再通过一个MLP头预测所需的电机位置。模型使用均方误差（MSE）损失和AdamW优化器进行训练。

之前在做第一代绳子驱动手的时候，单根手指控制的绳子比较少，可以通过一个电机一个电机的测试得到粗略的估计结果，最终就是毫无控制精度可言，当然这也受到了许多绳子蠕变因素、回弹结构设计不合理因素的影响。但是如果新一代在绳子蠕动、回弹设计改进的情况下，高自由度的绳驱动手指或许可以通过该种方法得到比较精确稳定的结果。