Universal Manipulation Exoskeleton (UME)
Tragbares Zweiarm-Exoskelett, das Roboter-Gelenkmomente an die Bedienperson zurückgibt
Lizenz
Apache 2.0
Code und CAD: Apache-2.0, laut LICENSE.md im Repository. Das mitgelieferte OpenArm-Modell behält seine eigene Lizenzdatei Apache-2.0, und der Code von ACT und DETR trägt den Copyright-Hinweis von Facebook aus den Originalprojekten. Der IMU-Leser von Yahboom ist Code des Herstellers und nennt keine Lizenz. Die Vorlage der Projektwebsite steht unter CC BY-SA 4.0; Paper und Videos gehören den Autoren. Geprüft am 2026-11-08 anhand von LICENSE.md und der Dateien im Repository.
Überblick
Universal Manipulation Exoskeleton (UME) ist ein Exoskelett für die oberen Gliedmaßen, das an beiden Armen getragen wird, um Roboterarme fernzusteuern und Demonstrationen mit Drehmomentrückmeldung in Echtzeit aufzuzeichnen. Jeder Arm hat acht Quasi-Direktantriebs-Aktuatoren von Damiao: sieben folgen Schulter, Ellbogen und Handgelenk der Bedienperson, und der achte an der Hand steuert den Greifer. Dieselben Aktuatoren messen die Bewegung der Bedienperson und drücken mit den Gelenkmomenten zurück, die der Roboter misst, sodass die Bedienperson Kontakt spürt und die Aufzeichnungen Gelenkpositionen und Drehmomente des ganzen Arms enthalten. Die Struktur ist aus PLA gedruckt und sitzt auf Aluminiumprofilen, eine IMU auf dem Rücken lenkt eine mobile Basis, wenn sich die Bedienperson neigt, und das Paper beziffert die Materialkosten auf 1900 USD. UME stammt von Ant Group und der Stanford University, und das Paper ist auf arXiv erschienen. Das Repository enthält das CAD, das MuJoCo-Modell, den Code für Fernsteuerung und Aufzeichnung sowie die ACT-Trainingsskripte aus dem Paper.
UME ist ein Exoskelett für die Teleoperation, das den Kreis in beide Richtungen schließt. Seine Gelenke sind Quasi-Direktantriebs-Aktuatoren von Damiao mit geringer Untersetzung, die sich vom tragenden Arm zurückdrehen lassen und zugleich Drehmoment auf ihn ausüben können. Während sich die Bedienperson bewegt, steuert UME den Folgeroboter; trifft der Roboter auf Widerstand, werden seine gemessenen Gelenkmomente auf die Gelenke des Exoskeletts zurückgerechnet, ergänzt um Schwerkraft-, Coriolis- und Reibungskompensation, damit die Rückmeldung so unverfälscht wie möglich ist. Die Autoren zeigen eine Bedienperson, die mit verbundenen Augen ein Schwert aus der Scheide zieht, allein geführt von der Drehmomentrückmeldung.
Die Mechanik folgt dem menschlichen Arm. Die Achsen der Gelenke J1 bis J3 treffen sich im Mittelpunkt der Schulter, J4 ist der Ellbogen, und die Achsen von J5 bis J7 treffen sich im Mittelpunkt des Handgelenks, sodass das Exoskelett den vollen Bewegungsumfang des Handgelenks und den größten Teil der Schulter erhält. Das Retargeting teilt Exoskelett und Roboter jeweils in eine virtuelle Kugelschulter, einen Ellbogen und ein virtuelles Kugelhandgelenk: Die Vorwärtskinematik liefert die Orientierung jeder Kugel, die inverse Kinematik setzt die passenden Gelenke des Roboters, und die Jacobi-Matrizen der Teilmanipulatoren übertragen Geschwindigkeiten nach vorn und Drehmomente zurück. Im Paper steuert UME so den OpenArm mit 7-DoF (OpenArm), Arme X-ARM mit 6-DoF von UFACTORY und Arme von Franka mit 7-DoF in MuJoCo. Eine IMU von Yahboom auf dem Rücken liefert die Lage des Rahmens für die Schwerkraftkompensation und setzt die Neigung der Bedienperson in Geschwindigkeitsbefehle für eine mobile Basis um.
Der Aufbau verwendet 8 Aktuatoren DM-J4340-2EC und 8 DM-J4310-2EC, 4 kg PLA Basic von Bambu Lab, Aluminiumprofile 2020, einen zweikanaligen CAN-FD-zu-USB-Adapter, ein einstellbares Gleichstrom-Netzteil mit 30 V 10 A, XT30-Kabel, M3- und M5-Schrauben und einen Schnellverschluss-Gurt; Anhang E.2 des Papers beziffert das gesamte System auf 1900 USD. Die Hardware-Anleitung beschreibt, wie CAN-IDs und Busgeschwindigkeit jedes Aktuators mit dem Debugging-Tool von Damiao eingestellt werden, dazu Druckeinstellungen, Montagetipps und das Nullen der Gelenke, und die Software-Anleitung behandelt CAN-Einrichtung, einen Test der Schwerkraftkompensation, Fernsteuerung, Datenaufzeichnung und Training. Druckbare STL-Dateien liegen beim MuJoCo-Modell, editierbare STEP-Dateien im Ordner ume_step. Das fertige Exoskelett wiegt etwa 12 kg; nach Angabe der Autoren kann ein durchschnittlicher Erwachsener es bis zu 2 Stunden bequem tragen.
Für die Experimente baute das Team einen mobilen Manipulator aus einem zweiarmigen OpenArm 1.0 von WowRobo auf vier angetriebenen Lenkrollen PCW-25 von Hexfellow, für 9533.1 USD an Teilen. Es trainierte ACT-Policies, die Gelenkmomente als zusätzliche Eingabe neben Bildern und Gelenkpositionen erhalten. Über 20 Versuche je Aufgabe erreichten die UME-Policies eine Erfolgsquote von 0.90 beim Schieben einer Kiste, 0.85 beim Umkippen einer Kiste, 0.95 beim Greifen einer GPU aus einem Spalt mit etwa 5 mm Spiel und 0.95 bei einem langen Getränkeholen aus dem Kühlschrank. Dieselben Daten ohne Drehmoment kamen auf 0.50, 0, 0.75 und 0.90, eine Endeffektor-Baseline im Stil von UMI auf 0.40, 0, 0 und 0. Beim Umkippen der Kiste sammelten Bedienpersonen mit Drehmomentrückmeldung 3.3-mal so viele Demonstrationen pro Minute wie ohne. Die Projektwebsite zeigt die Durchläufe im Video.
Warum es wichtig ist
Die meisten günstigen Wege, Roboterdemonstrationen zu sammeln, zeichnen nur Positionen auf. Leader-Arm-Aufbauten wie Mobile ALOHA und passive Exoskelette wie AirExo geben der Bedienperson kein Gefühl für die Kraft, auf die der Roboter trifft, und Handgreifer im Stil von UMI zeichnen Endeffektor-Posen auf, bei denen die Armhaltung zur Laufzeit einem IK-Löser überlassen bleibt. UME ergänzt den fehlenden Kanal: Die Bedienperson spürt die Gelenkmomente des Roboters, und die Aufzeichnungen behalten Gelenkpositionen und Drehmomente des ganzen Arms, sodass Policies für Imitationslernen lernen können, wann fester gedrückt werden muss und wie der ganze Arm in engen Räumen frei bleibt. Im Paper entscheidet dieser Unterschied Aufgaben wie das Umkippen der Kiste, bei dem keine der Baselines ein einziges Mal erfolgreich war. Für etwa 1900 USD an handelsüblichen Aktuatoren, PLA und Profilen, mit CAD und Code unter Apache-2.0, ist es für Labore erreichbar, die bereits Arme der OpenArm-Klasse bauen, und sein Retargeting über Teilmanipulatoren ist ein wiederverwendbares Rezept für die verkörperungsübergreifende Fernsteuerung zwischen Armen mit unterschiedlicher Gelenkanordnung. Die Belege stammen vom mobilen Manipulator eines einzigen Teams; unabhängige Nachbauten stehen noch aus.
Welches Problem es löst
Fernsteuerungsaufbauten und Handgreifer zum Sammeln von Roboterdemonstrationen erfassen selten Kraft: Die Bedienperson spürt nicht, was der Roboter berührt, sodass Schübe zu weit gehen oder zu früh enden, und die Policy lernt nie aus Drehmomenten. UME gibt der Bedienperson über ein tragbares Exoskelett für beide Arme eine Rückmeldung der Gelenkmomente in Echtzeit und zeichnet Gelenkpositionen und Drehmomente des ganzen Arms auf, sodass Policies nachgiebiges, kontaktreiches Verhalten und kollisionsfreie Armhaltungen in engen Räumen lernen können.
Wichtigste Punkte
- Tragbares Exoskelett für beide Arme mit 16 Quasi-Direktantriebs-Aktuatoren von Damiao, das die Gelenkmomente des Roboters an die Bedienperson zurückgibt
- Die Gelenkachsen treffen sich in den Mittelpunkten von Schulter und Handgelenk und erhalten den vollen Bewegungsumfang des Handgelenks und den größten Teil der Schulter
- Retargeting über Teilmanipulatoren steuert OpenArm mit 7-DoF und X-ARM mit 6-DoF sowie Franka-Arme in MuJoCo
- Eine IMU auf dem Rücken steuert eine mobile Basis, wenn sich die Bedienperson neigt, für Fernsteuerung des ganzen Körpers
- Mit Drehmoment trainierte ACT-Policies erreichten 0.85 bis 0.95 Erfolg bei vier Aufgaben, bei denen die Baselines ohne Drehmoment und im UMI-Stil zurückblieben
- Etwa 1900 USD an Teilen laut Paper, mit CAD, STL- und STEP-Dateien unter Apache-2.0, Druckeinstellungen und Einrichtungsanleitungen
Für wen
- Labore für Roboterlernen, die kontaktreiche Demonstrationen für Imitationslernen sammeln
- Besitzer von OpenArm oder anderen drehmomentmessenden Armen mit Aktuatoren im Stil von Damiao, die Fernsteuerung mit Kraftrückmeldung wollen
- Forschende in bilateraler Fernsteuerung, Haptik und nachgiebiger Manipulation
- Teams, die zweiarmige mobile Manipulatoren bauen und Daten des ganzen Körpers erfassen müssen
Einschränkungen
- Die Policies wurden mit Daten vom eigenen mobilen Manipulator eines Teams trainiert; externe Nachbauten oder Reproduktionen sind noch nicht veröffentlicht
- Die Drehmomentrückmeldung braucht einen Folgeroboter, der Gelenkmomente misst; gezeigt wurde sie an echten Armen OpenArm und X-ARM, Franka nur in der Simulation
- Das Exoskelett wiegt etwa 12 kg und braucht ein Gleichstrom-Netzteil mit 30 V, einen CAN-FD-Adapter und einen Linux-Rechner; es ist also ein Laboraufbau und kein tragbares Kit
- Das Repository hat keine Stückliste: Die Kosten stammen aus Anhang E.2 des Papers, der die 4040-Profile, Winkel und den Adapter zur Aktuator-Konfiguration aus CAD und Anleitung auslässt
- Die Einrichtung stützt sich auf das Windows-Debugging-Tool von Damiao, von Hand angepasste Skripte zum Nullen und für die vollständigen Demos auf eine mobile Basis aus Lenkrollen von Hexfellow
- Es werden weder Datensätze noch trainierte Checkpoints veröffentlicht, und das Repository wurde seit Juli 2026 nicht aktualisiert