研究目的
提出一种设置方案，能够直观且无显著延迟地执行远程机器人操作，特别是使用动态运动基元（DMP）向远程机械臂教授动作。
研究成果
该系统为机器人任务的远程训练提供了一种前景广阔的解决方案，能实现直观控制且无明显延迟。与OMPL相比，DMPs能生成更高效的轨迹。未来工作应聚焦于提升手部检测精度与可扩展性。
研究不足
该系统需要校准，在手部追踪方面可能存在精度限制。它假定具备良好的网络连接性，且未解决视频传输导致的延迟问题。未来的工作包括优化手部检测，并在多用户和多地点环境下进行测试。
1：实验设计与方法选择：
系统设计包含两个通过TCP/IP VPN连接的站点（L1和L2）。采用基于视觉的3D手部检测子系统（使用ManoMotion SDK）、模拟数字孪生体提供视觉反馈，并运用动态运动基元（DMPs）进行轨迹学习。路径规划使用OMPL算法实现。
2：样本选择与数据来源：
以用户手部作为输入源，UR10机器人为目标设备。数据包括手部位置坐标与机器人关节状态参数。
3：实验设备与材料清单：
包含带摄像头的智能手机（三星Galaxy S7）、Vicon动作捕捉系统、UR10机器人、ROS中间件及ManoMotion SDK。
4：7）、Vicon动作捕捉系统、UR10机器人、ROS中间件及ManoMotion SDK。 实验流程与操作步骤：
4. 实验流程与操作步骤：手机摄像头采集用户手势，经3D手部姿态处理后传输至L2站点，由OMPL规划执行动作，并通过RViz界面提供反馈。动态运动基元（DMPs）基于轨迹数据进行训练。
5：数据分析方法：
手部追踪精度评估采用平均绝对偏差（MAD）和平均绝对百分比误差（MAPE），DMP与OMPL轨迹对比则通过总移动距离进行量化。
独家科研数据包，助您复现前沿成果，加速创新突破
获取完整内容-
Samsung Galaxy S7
Galaxy S7
Samsung
Used as a user perception device to capture video streams for hand tracking.
-
Vicon system
Vicon
Used as a high precision motion capture system for calibration and ground truth evaluation.
-
UR10 robot
UR10
Universal Robots
The robotic arm used for executing and learning trajectories.
-
ROS
Open Source Robotics Foundation
Robotics middleware used as the framework for the experimental setup.
-
ManoMotion SDK
SDK
ManoMotion
Software for 3D hand pose estimation and gesture recognition.
-
RViz
ROS
Used for visualization of the robot's current state.
-
登录查看剩余4件设备及参数对照表
查看全部
