Open Source Robotics

高品質なオープンソースロボティクスプロジェクト、ツール、ソフトウェアの厳選コレクション。

Universal Manipulation Exoskeleton (UME)

ロボットの関節トルクを操作者に返す、装着型の双腕外骨格

ライセンス

Apache 2.0

コードと CAD:Apache-2.0(リポジトリの LICENSE.md による)。同梱の OpenArm モデルは独自の Apache-2.0 ライセンスファイルを保持し、ACT と DETR のコードには元のプロジェクトの Facebook の著作権表示があります。Yahboom の IMU 読み取りコードはメーカーのコードで、ライセンスの記載がありません。プロジェクトサイトのテンプレートは CC BY-SA 4.0 で、論文と動画は著者のものです。2026-11-08 に LICENSE.md とリポジトリ内のファイルで確認。

概要

Universal Manipulation Exoskeleton(UME)は両腕に装着する上肢外骨格で、ロボットアームを遠隔操作し、リアルタイムのトルクフィードバック付きでデモンストレーションを記録します。各腕には Damiao の準ダイレクトドライブアクチュエータが八つあり、七つが操作者の肩・肘・手首に追従し、八つ目は手元でグリッパを動かします。同じアクチュエータが操作者の動きを測り、ロボットが感じた関節トルクで押し返すので、操作者は接触を感じ取れ、記録データには腕全体の関節位置とトルクが残ります。構造はアルミフレームに PLA の印刷部品を組んだもので、背中の IMU は操作者が体を傾けると移動台車を動かします。論文は材料費を 1900 USD としています。UME は Ant Group とスタンフォード大学によるもので、論文は arXiv で公開されています。リポジトリには CAD、MuJoCo モデル、遠隔操作と記録のコード、論文で使った ACT の学習スクリプトが含まれます。

UME は双方向にループを閉じる遠隔操作用の外骨格です。関節には Damiao の低減速比の準ダイレクトドライブアクチュエータを使い、装着した腕が出力側から逆駆動でき、同時に腕へトルクを加えることもできます。操作者が動くと UME が追従ロボットに指令を出し、ロボットが抵抗に当たると、測定した関節トルクを外骨格の関節に戻します。重力・コリオリ力・摩擦の補償を加えて、フィードバックをできるだけ透明にしています。著者は、目隠しをした操作者がトルクフィードバックだけを頼りに剣を鞘から抜く様子を示しています。

機構は人の腕に沿っています。関節 J1 から J3 の軸は肩の中心で交わり、J4 が肘、J5 から J7 の軸は手首の中心で交わるので、手首の可動域はすべて、肩の可動域も大部分が保たれます。リターゲティングでは外骨格とロボットの両方を、仮想の球面肩、肘、仮想の球面手首に分けます。順運動学で各球面関節の姿勢を求め、逆運動学でロボット側の対応する関節を決め、各サブマニピュレータのヤコビ行列で速度を前向きに、トルクを逆向きに写します。論文ではこの方法で 7-DoF の OpenArm、UFACTORY の 6-DoF の X-ARM、MuJoCo 上の 7-DoF の Franka アームを動かしています。背中の Yahboom 製 IMU はフレームの姿勢を重力補償に与え、操作者の体の傾きを移動台車の速度指令に変換します。

製作には DM-J4340-2EC を 8 個と DM-J4310-2EC を 8 個、Bambu Lab の PLA Basic を 4 kg、2020 アルミフレーム、二チャンネルの CAN-FD-USB アダプタ、30 V 10 A の可変直流電源、XT30 ケーブル、M3 と M5 のねじ、クイックリリースベルトを使います。論文の付録 E.2 はシステム全体を 1900 USD としています。ハードウェアガイドでは Damiao のデバッグツールで各アクチュエータの CAN ID とバス速度を設定する方法、印刷設定、組み立てのコツ、関節のゼロ点合わせを説明し、ソフトウェアガイドでは CAN の設定、重力補償の確認、遠隔操作、データ記録、学習を扱います。印刷用の STL ファイルは MuJoCo モデルと同じ場所に、編集可能な STEP ファイルは ume_step フォルダにあります。完成した外骨格は約 12 kg で、著者によれば一般的な成人が最長 2 時間快適に装着できます。

実験のため、チームは WowRobo の双腕 OpenArm 1.0 を Hexfellow の駆動キャスター PCW-25 四つに載せた移動マニピュレータを、部品代 9533.1 USD で製作しました。そして、画像と関節位置に加えて関節トルクを入力とする ACT ポリシーを学習させました。各タスク 20 回の試行で、UME のポリシーは箱押しで 0.90、箱の起こしで 0.85、約 5 mm の隙間からの GPU の取り出しで 0.95、長い工程の冷蔵庫からの飲み物取り出しで 0.95 の成功率でした。同じデータからトルクを除くと 0.50、0、0.75、0.90、UMI 方式のエンドエフェクタのベースラインは 0.40、0、0、0 でした。箱の起こしでは、トルクフィードバックがあると操作者が 毎分集めたデモ数がない場合の 3.3 倍になりました。プロジェクトサイトで試行の動画を見られます。

重要な理由

安価なロボットのデモ収集手段の多くは位置しか記録しません。Mobile ALOHA のようなリーダーアーム方式や AirExo のような受動外骨格では、ロボットが受ける力を操作者は感じられず、UMI 方式のハンドヘルドグリッパはエンドエフェクタの姿勢を記録するだけで、腕の形は実行時の IK ソルバー任せになります。UME は欠けていたチャンネルを加えます。操作者はロボットの関節トルクを感じ、記録には腕全体の関節位置とトルクが残るので、模倣学習のポリシーはいつ強く押すべきか、狭い場所で腕全体をどう逃がすかを学べます。論文では、この差が箱の起こしのようなタスクの成否を分け、どちらのベースラインも一度も成功しませんでした。市販のアクチュエータ、PLA、フレームで約 1900 USD、CAD とコードは Apache-2.0 なので、すでに OpenArm 級のアームを作っている研究室なら手が届きます。サブマニピュレータによるリターゲティングは、関節配置の異なるアーム間のクロスエンボディメント遠隔操作に再利用できる手法です。根拠は一つのチームの移動マニピュレータによるもので、独立した再現はまだこれからです。

解決する課題

ロボットのデモ収集に使う遠隔操作装置やハンドヘルドグリッパは、力をほとんど記録しません。操作者はロボットが何に触れているかを感じられず、押す動作は行き過ぎたり途中で止まったりし、ポリシーもトルクから学ぶことがありません。UME は装着型の双腕外骨格で関節トルクをリアルタイムに操作者へ返し、腕全体の関節位置とトルクを記録するので、ポリシーは柔軟で接触の多い動作や、狭い空間で衝突を避ける腕の姿勢を学べます。

主なポイント

  • Damiao の準ダイレクトドライブアクチュエータ 16 個を備え、ロボットの関節トルクを操作者に返す装着型の双腕外骨格
  • 関節軸が肩と手首の中心で交わり、手首の可動域すべてと肩の大部分を保つ
  • サブマニピュレータ方式のリターゲティングで 7-DoF の OpenArm と 6-DoF の X-ARM、MuJoCo 上の Franka アームを操作
  • 背中の IMU が操作者の体の傾きで移動台車を動かし、全身の遠隔操作ができる
  • トルク付きで学習した ACT ポリシーは四つのタスクで 0.85 から 0.95 の成功率を出し、トルクなしと UMI 方式のベースラインを上回った
  • 論文によれば部品代は約 1900 USD で、CAD、STL と STEP ファイルは Apache-2.0、印刷設定とセットアップガイド付き

対象

  • 模倣学習のために接触の多いデモを集めるロボット学習の研究室
  • 力覚フィードバック付きの遠隔操作をしたい、OpenArm など Damiao 系アクチュエータでトルクを測れるアームの所有者
  • バイラテラル遠隔操作、ハプティクス、柔軟なマニピュレーションの研究者
  • 双腕の移動マニピュレータを作り、全身のデータ収集が必要なチーム

制限事項

  • ポリシーは一つのチームが自作した移動マニピュレータのデータで学習しており、外部での製作や再現はまだ公開されていない
  • トルクフィードバックには関節トルクを測れる追従ロボットが必要で、実機では OpenArm と X-ARM で示され、Franka はシミュレーションのみ
  • 外骨格は約 12 kg あり、30 V の直流電源、CAN-FD アダプタ、Linux マシンが必要なため、持ち運べるキットというより研究室の装置である
  • リポジトリに部品表はなく、費用は論文の付録 E.2 によるが、そこには CAD やガイドにある 4040 フレーム、ブラケット、アクチュエータ設定用アダプタが含まれていない
  • セットアップは Windows 版の Damiao デバッグツールと手で書き換えるゼロ点合わせ用スクリプトに頼り、完全なデモには Hexfellow のキャスターで作る移動台車も要る
  • データセットや学習済みチェックポイントは公開されておらず、リポジトリは 2026 年 7 月から更新されていない

このウェブサイトにはJavaScriptが必要です。オープンソースロボティクスプロジェクトを閲覧するにはJavaScriptを有効にしてください。