TriFinger

開源的 9 自由度三指靈巧操作平台，用於強化學習與機器人研究

授權條款

BSD-3-Clause

概述

TriFinger 是一個開源的靈巧操作平台，由三個相同的 3 自由度手指模組圍繞共用的工作範圍排列組成，提供 9 個扭矩控制的自由度，用於複雜的物體操作任務。硬體成本約 5,000 美元，以 1 kHz 的控制頻率運作並內建安全檢查，透過 C++ 與 Python 介面同時支援即時最佳控制與深度強化學習。這個平台由 Max Planck Institute for Intelligent Systems 開發，包含完整的 PyBullet 模擬環境，其軟體介面與實機相同，便於模擬到現實（sim-to-real）轉移。原專案為致動器模組提供書面組裝步驟；手指、框架、隔板與攝影機則只提供零件清單、圖面與照片。

TriFinger 是由德國 Tübingen 的 Max Planck Institute for Intelligent Systems（MPI-IS）開發的模組化靈巧操作平台，屬於 Open Dynamic Robot Initiative（ODRI）的一部分。系統由三個相同的手指模組組成，每個具有 3 個自由度（共 9 DOF），對稱排列在圓形的工作範圍周圍。每個手指模組使用兩段式時規皮帶傳動，減速比為 9:1，由 T-Motor Antigravity 4004 300kV 無刷外轉子馬達驅動，並搭配高解析度的 Broadcom 光學編碼器（每通道每轉 5000 計數）。平台以 1 kHz 的扭矩控制頻率運作，並內建軟體安全系統，可在長時間無人監督運作時防止硬體損壞。

這台機器人有兩個版本：TriFingerPro（Real Robot Challenge 使用的研究級版本，MPI-IS 託管一個叢集供遠端存取）與 TriFingerEdu（開源、較容易打造的版本，致動器相同，運動學幾乎相同）。每個手指模組重 930g。原專案提供的數據是：平台堆疊以便運送時重 8kg，連同 Pelican 箱的全部物品重 21kg。致動器模組由 3D 列印零件（外殼使用 FDM 或 SLS；滑輪與滾輪使用 SLA、Multijet 或 Polyjet）、三個 CNC 加工的金屬元件，以及現成的軸承、皮帶與緊固件組成。平台包含三台 RGB 相機（Basler acA720-520uc），用於觀測工作範圍與估計物體位姿。

TriFinger 已成為靈巧操作研究的基石平台，是 Real Robot Challenge 競賽系列（2020、2021、2022）的基礎，該競賽曾在包括 NeurIPS 2022 在內的場合舉辦。競賽讓全球研究人員能遠端存取由七台 TriFingerPro 機器人組成的叢集，以評估從離線資料集學得的策略。軟體生態系包括與實機 API 相同、以 PyBullet 為基礎的模擬、C++/Python 驅動程式、多攝影機長方體位姿估計，以及 URDF/xacro 模型。NVIDIA Research 也已採用這個平台，以 IsaacGym 進行 GPU 加速的模擬到現實（sim-to-real）靈巧操作研究。

為何重要

TriFinger 處理靈巧操作研究中的一個關鍵瓶頸：缺乏平價、堅固且標準化的硬體平台，能承受現代強化學習演算法所需的數千小時無人監督運作。TriFinger 以約 5,000 美元提供完整的開源平台，包括硬體設計、韌體、驅動程式、模擬，以及與機器人無關的軟體框架，讓靈巧操作研究普及化，並透過 Real Robot Challenge 競賽系列建立了共同的基準，讓全球研究團隊的演算法可以直接比較。

解決的問題

靈巧的物體操作仍是機器人領域最困難、尚未解決的問題之一，但進展一直因缺乏平價、堅固且可重現的實驗平台而嚴重受限。現有的研究用機器手臂不是對大多數學術實驗室來說太昂貴，就是太脆弱而無法承受長時間的自主強化學習訓練，或是太封閉而無法進行可重現的基準評測。TriFinger 的解法是提供一個完整的開源操作平台，價格夠低而能廣泛採用，機構也夠堅固，足以進行數千小時的無人監督實驗。

重點

以約 5,000 美元，提供 9 個扭矩控制的自由度與 1 kHz 的控制頻率，用於靈巧操作
專為無人監督的強化學習設計，內建軟體安全檢查，可在長時間自主運作時防止硬體損壞
順暢的模擬到現實（sim-to-real）流程：PyBullet 模擬與實體硬體共用相同的 Python/C++ 介面
透過 Real Robot Challenge 競賽系列建立標準化基準（2020-2022，曾在 NeurIPS 2022 展出）
每個元件都以 BSD-3-Clause 完全開源：可 3D 列印的零件、電子元件、URDF 模型、驅動程式、模擬

適用對象

研究靈巧操作、抓取與接觸密集控制的機器人研究人員
開發強化學習、模仿學習與離線強化學習演算法、需要真實世界評估的機器學習研究人員
需要高擬真度模擬與實機相同介面之平台的模擬到現實（sim-to-real）轉移研究人員
尋找平價多指平台用於操作課程的機器人教育工作者與研究生

限制

工作範圍與負載有限：小型圓形場地與輕量致動器（2.5 Nm）限制了物體的尺寸與重量
預設沒有觸覺感測：缺少對操作研究越來越重要的高解析觸覺感測器（例如 GelSight）
組裝需要 CNC 加工的金屬零件、精密 3D 列印（SLA/Polyjet）與電子專業知識
三根相同的對稱手指無法重現人手的異質性，限制了抓取類型的多樣性
原專案沒有為手指底座框架、手指、框架、隔板或攝影機安裝提供書面組裝步驟。每個致動器模組需要三個加工的金屬零件（或 ODRI Encoder Kit），以及軸承座可能需要再加工的列印零件。