Open Source Robotics

精選高品質的開源機器人專案、工具與軟體,推動機器人社群向前發展。

Universal Manipulation Exoskeleton (UME)

穿戴式雙臂外骨骼,把機器人的關節扭矩回饋給操作者

授權條款

Apache 2.0

程式與 CAD:Apache-2.0,依儲存庫中的 LICENSE.md。隨附的 OpenArm 模型保留自己的 Apache-2.0 授權檔,ACT 與 DETR 程式碼帶有原始專案中 Facebook 的著作權聲明。Yahboom 的 IMU 讀取程式是廠商的程式碼,沒有註明授權。專案網站的範本採 CC BY-SA 4.0;論文與影片屬於作者。已於 2026-11-08 對照 LICENSE.md 與儲存庫中的檔案確認。

概述

Universal Manipulation Exoskeleton(UME)是穿在兩隻手臂上的上肢外骨骼,用來遠端操作機器手臂,並在即時扭矩回饋下錄製示範。每隻手臂有八顆達妙(Damiao)準直驅致動器:七顆跟著操作者的肩、肘和手腕活動,第八顆位在手部,負責驅動夾爪。同一組致動器既量測操作者的動作,也用機器人感受到的關節扭矩反推回去,所以操作者感覺得到接觸,錄下的資料也包含整隻手臂的關節位置與扭矩。結構是以 PLA 列印件裝在鋁擠型上,背上的慣性量測單元 (IMU) 會在操作者身體傾斜時驅動移動底座,論文估計材料費用為 1900 USD。UME 出自螞蟻集團與史丹佛大學,論文發表於 arXiv。儲存庫內含 CAD、MuJoCo 模型、遠端操作與錄製程式,以及論文所用的 ACT 訓練腳本。

UME 是一款遠端操作用的外骨骼,讓迴路在兩個方向都閉合。它的關節採用達妙的低減速比準直驅致動器,穿戴的手臂可以從輸出端反向帶動它們,它們也能對手臂施加扭矩。操作者活動時,UME 會指揮從動機器人;機器人碰到阻力時,量到的關節扭矩會對應回外骨骼的關節,再加上重力、科氏力與摩擦補償,讓回饋盡可能透明。作者示範一位矇著眼睛的操作者,只靠扭矩回饋就把劍從劍鞘中拔出來。

機構依照人的手臂設計。關節 J1 到 J3 的軸線交會於肩膀中心,J4 是手肘,J5 到 J7 的軸線交會於手腕中心,因此外骨骼保留了手腕全部的活動範圍,以及肩膀大部分的活動範圍。重定向把外骨骼和機器人都拆成虛擬的球形肩、手肘與虛擬的球形腕:正向運動學算出每個球形關節的姿態,逆向運動學決定機器人對應的關節,各子機器手臂的雅可比矩陣則把速度往前、把扭矩往回對應。論文用這個方法操控 7-DoF 的 OpenArm、UFACTORY 的 6-DoF X-ARM 機器手臂,以及 MuJoCo 中 7-DoF 的 Franka 機器手臂。背上的 Yahboom IMU 提供框架姿態給重力補償使用,並把操作者身體的傾斜轉成移動底座的速度指令。

整套裝置使用 8 顆 DM-J4340-2EC 與 8 顆 DM-J4310-2EC 致動器、4 kg 的 Bambu Lab PLA Basic、2020 鋁擠型、一個雙通道 CAN-FD 轉 USB 轉接器、一台 30 V 10 A 可調直流電源供應器、XT30 線材、M3 與 M5 螺絲,以及一條快拆腰帶;論文附錄 E.2 估計整套系統為 1900 USD。硬體指南說明如何用達妙的除錯工具設定每顆致動器的 CAN ID 與匯流排速率,另含列印設定、組裝訣竅與關節歸零;軟體指南則涵蓋 CAN 設定、重力補償檢查、遠端操作、資料錄製與訓練。可列印的 STL 檔與 MuJoCo 模型放在一起,可編輯的 STEP 檔則在 ume_step 資料夾。組好的外骨骼約重 12 kg,作者表示一般成年人可以舒適地穿戴最長 2 小時。

為了做實驗,團隊用 WowRobo 的 OpenArm 1.0 雙臂,裝在四個 Hexfellow PCW-25 動力腳輪上,打造出一台移動式機器手臂平台,零件費用 9533.1 USD。他們訓練了 ACT 策略,除了影像與關節位置之外,也把關節扭矩當成額外輸入。每項任務測試 20 次,UME 策略的成功率在推箱子為 0.90、翻箱子為 0.85、從約 5 mm 間隙中取出 GPU 為 0.95、流程很長的冰箱取飲料為 0.95。同樣的資料拿掉扭矩後得到 0.50、0、0.75 和 0.90,UMI 式的末端執行器基準則是 0.40、0、0 和 0。在翻箱子任務中,有扭矩回饋時操作者每分鐘收集的示範數是沒有回饋時的 3.3 倍。專案網站有這些測試的影片。

為何重要

多數低成本的機器人示範收集方式只記錄位置。像 Mobile ALOHA 這類主從手臂裝置,以及 AirExo 這類被動外骨骼,都無法讓操作者感受到機器人碰到的力;UMI 式手持夾爪記錄的是末端執行器的姿態,手臂的姿勢要留到執行時交給 IK 求解器。UME 補上了缺少的這條通道:操作者感覺得到機器人的關節扭矩,錄下的資料保留整隻手臂的關節位置與扭矩,所以模仿學習策略能學會什麼時候該壓得更用力,以及在狹窄空間裡怎麼讓整隻手臂避開障礙。在論文中,這個差別決定了翻箱子這類任務的成敗,兩種基準一次都沒有成功。它用市售致動器、PLA 和鋁擠型,零件約 1900 USD,CAD 與程式採 Apache-2.0,已經在打造 OpenArm 等級機器手臂的實驗室都做得出來;它以子機器手臂為單位的重定向,也是一套可重複使用的方法,適用於關節配置不同的機器手臂之間的跨形態遠端操作。目前的證據都來自單一團隊的移動式平台,獨立的複製成果還沒有出現。

解決的問題

用來收集機器人示範的遠端操作裝置和手持夾爪,很少記錄力量:操作者感覺不到機器人碰到什麼,推的動作不是過頭就是半途停下,策略也從來沒有從扭矩中學習。UME 透過穿戴式雙臂外骨骼即時把關節扭矩回饋給操作者,並記錄整隻手臂的關節位置與扭矩,讓策略學會柔順、接觸豐富的動作,以及在狹小空間中避免碰撞的手臂姿勢。

重點

  • 穿戴式雙臂外骨骼,配備 16 顆達妙準直驅致動器,把機器人的關節扭矩回饋給操作者
  • 關節軸線交會於肩膀與手腕中心,保留手腕全部與肩膀大部分的活動範圍
  • 以子機器手臂為單位的重定向,可操控 7-DoF 的 OpenArm、6-DoF 的 X-ARM,以及 MuJoCo 中的 Franka 機器手臂
  • 背上的 IMU 會在操作者傾斜身體時驅動移動底座,做到全身遠端操作
  • 加入扭矩訓練的 ACT 策略在四項任務達到 0.85 到 0.95 的成功率,不含扭矩與 UMI 式的基準則表現不足
  • 依論文零件約 1900 USD,CAD、STL 與 STEP 檔採 Apache-2.0,並附列印設定與設定指南

適用對象

  • 為模仿學習收集接觸豐富示範的機器人學習實驗室
  • 擁有 OpenArm 或其他採用達妙類致動器、能量測扭矩的機器手臂,並想要力回饋遠端操作的使用者
  • 研究雙向遠端操作、觸覺回饋與柔順操作的研究人員
  • 打造雙臂移動式機器手臂平台、需要收集全身資料的團隊

限制

  • 策略只用單一團隊自製移動式平台的資料訓練,目前還沒有公開的外部組裝或複製成果
  • 扭矩回饋需要能量測關節扭矩的從動機器人;已在實體的 OpenArm 與 X-ARM 機器手臂上展示,Franka 只在模擬中展示
  • 外骨骼約重 12 kg,需要 30 V 直流電源供應器、CAN-FD 轉接器和一台 Linux 電腦,比較像實驗室設備而不是可攜式套件
  • 儲存庫沒有零件表:費用出自論文附錄 E.2,其中沒有列出 CAD 和指南裡出現的 4040 鋁擠型、支架與致動器設定用轉接器
  • 設定要靠 Windows 版的達妙除錯工具與手動修改的歸零腳本,完整示範還需要用 Hexfellow 腳輪打造的移動底座
  • 沒有釋出資料集或訓練好的檢查點,儲存庫自 2026 年 7 月以來沒有更新

本網站需要 JavaScript 才能正常運作。請啟用 JavaScript 以瀏覽我們的開源機器人專案。