TriFinger

Piattaforma open source a tre dita con 9 gradi di libertà per la manipolazione fine, per la ricerca su RL e robotica

Licenza

BSD-3-Clause

Panoramica

TriFinger è una piattaforma open source per la manipolazione fine composta da tre moduli dito identici a 3 gradi di libertà disposti attorno a un'area di lavoro comune, che fornisce 9 gradi di libertà a controllo della coppia per compiti complessi di manipolazione di oggetti. L'hardware costa circa 5.000 $, funziona con una frequenza di controllo di 1 kHz con controlli di sicurezza integrati e supporta sia il controllo ottimo in tempo reale sia l'apprendimento per rinforzo profondo tramite interfacce C++ e Python. Sviluppata dal Max Planck Institute for Intelligent Systems, la piattaforma include un ambiente di simulazione PyBullet completo con interfacce software identiche per il trasferimento sim-to-real. A monte sono pubblicati i passaggi di montaggio scritti per i moduli attuatore; dito, telaio, barriera e telecamere sono forniti come distinte dei pezzi, disegni e fotografie.

TriFinger è una piattaforma modulare per la manipolazione fine sviluppata dal Max Planck Institute for Intelligent Systems (MPI-IS) di Tubinga, in Germania, nell'ambito della Open Dynamic Robot Initiative (ODRI). Il sistema è composto da tre moduli dito identici, ciascuno con 3 gradi di libertà (9 gradi di libertà in totale), disposti simmetricamente attorno a un'area di lavoro circolare. Ogni modulo dito usa trasmissioni a cinghia dentata a doppio stadio con un rapporto di riduzione di 9:1, azionate da motori brushless outrunner T-Motor Antigravity 4004 300kV, abbinati a encoder ottici Broadcom ad alta risoluzione (5000 impulsi/giro per canale). La piattaforma funziona con una frequenza di controllo della coppia di 1 kHz e include un sistema di sicurezza software integrato che evita danni all'hardware durante il funzionamento prolungato senza supervisione.

Il robot esiste in due varianti: TriFingerPro (la versione di livello di ricerca usata nella Real Robot Challenge, con un cluster ospitato presso l'MPI-IS per l'accesso remoto) e TriFingerEdu (la versione open source, più facile da costruire, con attuatori identici e cinematica quasi identica). Ogni modulo dito pesa 930 g. A monte si indicano 8 kg per la piattaforma impilata per il trasporto e 21 kg per l'insieme completo nella valigia Pelican. I moduli attuatore sono costruiti con una combinazione di pezzi stampati in 3D (gusci in FDM o SLS; pulegge e rulli in SLA, Multijet o Polyjet), tre componenti metallici lavorati a CNC e cuscinetti, cinghie e minuteria di serie. La piattaforma include tre telecamere RGB (Basler acA720-520uc) per l'osservazione dell'area di lavoro e la stima della posa degli oggetti.

TriFinger è diventata una piattaforma cardine per la ricerca sulla manipolazione fine ed è la base della serie di competizioni Real Robot Challenge (2020, 2021, 2022), ospitata anche a NeurIPS 2022. La competizione ha permesso a ricercatori di tutto il mondo di accedere da remoto a un cluster di sette robot TriFingerPro per valutare policy apprese da dataset offline. L'ecosistema software include una simulazione basata su PyBullet con la stessa API del robot reale, driver C++/Python, la stima multi-telecamera della posa di cuboidi e modelli URDF/xacro. La piattaforma è stata adottata da NVIDIA Research per studi sulla manipolazione fine sim-to-real accelerati su GPU con IsaacGym.

Perché è importante

TriFinger affronta un collo di bottiglia critico della ricerca sulla manipolazione fine: la mancanza di piattaforme hardware economiche, robuste e standardizzate in grado di sopportare le migliaia di ore di funzionamento senza supervisione richieste dai moderni algoritmi di apprendimento per rinforzo. Offrendo una piattaforma open source completa a circa 5.000 $, con progetti hardware, firmware, driver, simulazione e un framework software indipendente dal robot, TriFinger ha democratizzato la ricerca sulla manipolazione fine e ha stabilito un benchmark comune con la serie di competizioni Real Robot Challenge, consentendo il confronto diretto degli algoritmi tra gruppi di ricerca di tutto il mondo.

Il problema che risolve

La manipolazione fine degli oggetti resta uno dei problemi irrisolti più difficili della robotica, ma i progressi sono stati fortemente limitati dall'assenza di piattaforme sperimentali economiche, robuste e riproducibili. I bracci robotici di ricerca esistenti sono troppo costosi per la maggior parte dei laboratori accademici, troppo fragili per lunghi addestramenti RL autonomi o troppo proprietari per un benchmarking riproducibile. TriFinger risolve il problema offrendo una piattaforma di manipolazione open source completa, abbastanza economica da diffondersi ampiamente e abbastanza robusta meccanicamente da sostenere migliaia di ore di esperimenti senza supervisione.

Punti chiave

• A circa 5.000 $, offre 9 gradi di libertà a controllo della coppia con frequenze di controllo di 1 kHz per la manipolazione fine
• Progettata per l'RL senza supervisione, con controlli di sicurezza software integrati che evitano danni all'hardware durante lunghe sessioni autonome
• Pipeline sim-to-real senza interruzioni: la simulazione PyBullet condivide interfacce Python/C++ identiche con l'hardware reale
• Benchmark standardizzato tramite la serie di competizioni Real Robot Challenge (2020-2022, presentata a NeurIPS 2022)
• Ogni componente è completamente open source sotto BSD-3-Clause: pezzi stampabili in 3D, elettronica, modelli URDF, driver, simulazione

A chi si rivolge

• Ricercatori di robotica che studiano la manipolazione fine, la presa e il controllo ricco di contatti
• Ricercatori di machine learning che sviluppano algoritmi di RL, apprendimento per imitazione e RL offline e hanno bisogno di una valutazione nel mondo reale
• Ricercatori del trasferimento sim-to-real che hanno bisogno di una piattaforma con simulazione ad alta fedeltà e interfacce identiche a quelle del robot reale
• Docenti di robotica e studenti post-laurea che cercano una piattaforma multi-dito economica per corsi di manipolazione

Limiti

• Area di lavoro e carico utile limitati: la piccola arena circolare e gli attuatori leggeri (2,5 Nm) limitano dimensioni e peso degli oggetti
• Nessun rilevamento tattile di serie: mancano sensori tattili avanzati (per esempio GelSight), sempre più importanti per la ricerca sulla manipolazione
• Il montaggio richiede pezzi metallici lavorati a CNC, stampa 3D di precisione (SLA/Polyjet) e competenze di elettronica
• Tre dita identiche e simmetriche non riproducono l'eterogeneità della mano umana, il che limita la varietà dei tipi di presa
• A monte non ci sono passaggi di montaggio scritti per il telaio di base delle dita, il dito, il telaio, la barriera o il montaggio delle telecamere. I moduli attuatore richiedono ciascuno tre pezzi metallici lavorati, oppure l'ODRI Encoder Kit, e pezzi stampati le cui sedi dei cuscinetti possono richiedere una lavorazione meccanica.