Extrinsic dexterity
- 類別: Planning & manipulation › Manipulation
- 標籤: manipulation, contact, in-hand-manipulation, grasping, nonprehensile-manipulation
利用手部以外的資源，例如與環境的接觸、重力或手臂運動，來操作手中握持的物體，做到單靠手指做不到的事。
定義
外在靈巧性（Extrinsic dexterity）是指機器人利用手部以外的力，來重新定位或重新定向所抓的物體，或讓物體進入可抓取姿態的能力，這些力包括與桌面、牆壁或治具的接觸、重力，或加速手臂所產生的慣性。這個術語由 Nikhil Chavan-Dafle、Alberto Rodriguez 及其同事於 2014 年提出，用來描述一個只有少數致動手指的簡單夾爪，如何透過把握持的物體推向環境，仍能完成手內操作。它與內在靈巧性相對，後者仰賴手部本身的致動手指。
典型的策略包括：把物體邊緣壓在一個表面上，讓物體繞抓取軸樞轉；把物體推向牆壁，讓它在手指之間滑動；把盤子或卡片這類薄物體推向牆壁，讓其邊緣離開桌面而能被抓取；讓重力使物體擺動或滑動到新姿態；以及把物體放下再以不同方式拿起來重新抓取。人們經常這麼做，例如把硬幣滑到桌緣再撿起來。
規劃這些動作很困難，因為它們富含接觸：結果取決於哪些接觸黏滯、哪些滑動，包括物體與夾爪之間以及物體與環境之間的接觸，也取決於不確定的摩擦值。方法包括以摩擦錐為基礎的準靜態力學與在接觸模式上的規劃、能自動搜尋接觸序列的接觸隱式與平滑接觸規劃器，以及在模擬中訓練的學習式策略。實務上順應性很重要，不論來自夾爪本身，或是透過手臂的力控制或阻抗控制，因為它能在物體抵著環境移動時讓接觸力維持有界。
為何重要
產業中的大多數機器人使用簡單的平行夾爪或吸盤夾爪。外在靈巧性在不需要更複雜機械手的情況下，擴展了這類夾爪能做的事，而且它描述了人們實際處理物體的大部分方式。
主要應用
- 從桌面與料箱中拾取薄的或扁平的物體
- 利用治具為組裝重新定向零件
- 以簡單夾爪進行手內重新抓取
- 樞轉與重新定位工具
- 物流料箱揀取
實際應用
一個倉儲團隊需要拾取薄而扁平的物品，例如平放在料箱中的書，夾爪手指無法伸到它們下方。他們的策略是用一根手指往下壓住物品，推著它滑向料箱壁，直到遠端邊緣翹起，再抓住翹起的邊緣。手臂以阻抗控制運作，讓滑動時向下的力維持在設定範圍內。只有當指墊與物品之間的摩擦大於物品與料箱底部之間的摩擦時，這個方法才有效；否則手指會在物品上打滑。他們看到的失敗大多來自這一點，因此選用高摩擦的指墊，並從手臂的力讀數偵測打滑。
常見誤解
- 靈巧操作需要多指機械手 — 許多手內操作可以用平行夾爪借助環境完成
- 應該一律避免與環境接觸 — 無碰撞規劃把接觸視為失敗，但刻意且受控的接觸常是取得新抓取最簡單的途徑
- 外在靈巧性就只是推 — 它也涵蓋利用重力、動態的手臂運動，以及把物體放下再重新抓取
誰需要了解
- 操作與抓取研究人員
- 倉儲與物流自動化工程師
- 夾爪設計人員
- 組裝自動化工程師
相關技術
- 平行夾爪（Parallel-Jaw Grippers）
- 阻抗控制（Impedance Control）
- 準靜態推動模型（Quasi-Static Pushing Models）
- 接觸隱式規劃（Contact-Implicit Planning）
- 順應式指尖（Compliant Fingertips）
相關術語
- Dexterous Manipulation
- Contact mode
- Friction Cone
- Gripper
- Impedance Control
- Hybrid Position/Force Control
相關專案
- LeRobot: HuggingFace ML library for real-world robotics in PyTorch
- Isaac Lab: NVIDIA robot learning framework: one task API across Newton, PhysX and Isaac Sim
- NVIDIA Isaac GR00T: NVIDIA open foundation model for humanoid robot reasoning and skills
- OpenVLA: 7B-parameter Vision-Language-Action model for robotic manipulation
- Drake: MIT robotics toolbox for model-based dynamics, optimization, and control system design
- OpenArm: 7DOF humanoid arm for physical AI research in contact-rich environments