仿生柔性手 人工智能气动机器人手

仿生柔性手 基于人类手掌的气动抓手

在日常生活中，我们自然而然用我们的双手完成各种工作，如

抓取、握住或转动、接触、打字或按压。人类的手集合了力、

精巧和精细的机动技巧，是大自然真正的奇迹之具。人类拇指

在其他手指的侧面，扮演着重要角色。例如，这所谓的对立性

让我们握紧拳头，精确抓握，还以做精细的工作。

安全性合规的运动机构确保安全协作

还有什么比给在协作工作空间内的机器人配备一款基于自然模

型又能通过人工智能解决各种各样问题的抓手来得更具合理性

呢？

仿生柔性手为气驱动，可与人安全直接互动。其手指由带气腔

和软性材料的柔性气囊结构组成。这使赋予了它重量轻、柔

性、具有可适应性和敏感性的特性，而且也能产生强劲的力。

01

2

最为狭小空间中的功能集成

为了现实地实现人手的动作，在最为狭小的空间内集成了小型

阀技术、传感器技术、电子元件和机械元件。

抓取和学习 – 智能交互

通过人工智能，仿生机器人手学习独立解决抓取和转动工作，

就如同人脑与手的交互：我们的手不仅对大脑的命令做出反

应，而且同时为大脑提供重要信息，根据环境和各种要求进一

步调整动作。

神经科学家认为，人类如此地聪明是因为人手能解决很多的复

杂工作。婴儿很早就开始抓取物体，例如，妈妈的手指。一旦

他们学会正确地抓住一个物体，就能进行转动，从各个面进行

观察。这是在大脑中形成物体三维影像的唯一途径。从而，人

手帮助人类进行学习。

Festo AG & Co. KG

02: 机器视觉: 电脑视觉采集必要数据 用于虚拟映像

05: 大量平行学习: 通过复制数字双胞胎快速学习

强化学习：奖励原则

机器的学习方式与人类的相类似 – 无论是正向或逆向，都可以

反馈动作后进行分类然后学习。仿生柔性手就采用用这种强化

学习的方式。

这意味着，就不必模拟一个具体动作，气动机器人手只需要给

定一个目标。就会通过尝试和试错来实现这个目标。基于所收

到的反馈，仿生柔性手能逐步优化自己的动作，指导最终成功

解决这个任务。

真实机器人手的数字双胞胎

确切来讲，仿生柔性应该旋转一个 12 面的多面体，直至定义

的那面最终朝上。借助电脑视觉的深度感测相机的数据和人工

智能的算法创建的数字双胞胎在虚拟环境中示教必要的动作策

略。

01: 完整的气动系统: 仿生柔性手臂上 的仿生柔性手实现安全交互

03/04: 数字双胞胎: 物理机械手与仿真 模型中的虚拟映像

02

05

0403

3仿生柔性手：带人工智能的气动机器人手

通过大量平行学习实现快速知识传播

数字化仿真模型，尤其是如果你大量复制仿真模型，会大大加速

训练。在所谓大量平行学习中，获取的知识与所有虚拟仿真模型

进行分享，然后以更新后的知识状态进行工作：所以每种错误只

会犯一次。成功的动作会被立即分享给所有模型。

在仿真模拟中进行了控制训练后，被传输给真实的仿生柔性手。

通过虚拟习得的动作策略，可以将多面体旋转至所要求的那个

面，未来也可相应定位其它物体。

学习算法代替复杂的编程

在当今的自动化技术中，许多应用太过复杂，以至于不能给每项

运动和功能进行编程。因为仿生柔性手具有许多自由度，所以传

统控制策略不能完全适用。为了充分利用其生产率和效率潜力，

仿生柔性手需要自行学习如何调整自己的动作行为，最终获得更

多技能。

仿生柔性手 高度集成的柔性机器人元件

与人类的手掌不同，仿生柔性手没有骨骼。通过手

指内的气动结构来控制动作。当气腔内充满空气

后，手指就开始弯曲。如果气腔排空，手指保持伸

展。拇指和食指额外配备了摆动模块，让两个手指

能横向移动。这让仿生柔性手能实现总计十二个自

由度。

两个气动摆动模块一个额外的自由度，用

于每个侧向移动

三个接触力传感器

用于测量力和检测不

同的抓取物体

弹性体气囊带两个气腔，用于移动手

指

柔性印刷电路板

带曲折结构和集成惯

量和力传感器

紧凑的阀岛带 24 个比例压电阀，用于

手指的精确进气和排气，

以及摆动模块的控制

惯量传感器系统参考点，用于手指内的惯量

传感器，来识别位置

母板用于控制手

气流板，带集成压力传感器

用于连接手指的气管和

阀

两个惯量传感器 用于记录手指位置

3D 织物采用弹性高强度合成纤维

制成的织物

弹性硅胶皮肤用于改善触觉反馈，保护

传感器

01

仿生柔性手 敏感的机器人手，带数字量控制

为了尽量减少仿生柔性的气管连接工作，开发人员特别设计了

一款小型的数字化控制阀岛，直接安装在手上。这意味着，控

制手指的气管不用铺设遍布整条手臂。因此，仿生柔性手进气

和排气各用一根气管，连接和操作快捷。

比例压电阀用于精确控制

阀岛由 24 个比例压电阀组成，能精确分配流量和压力给到手

指。这能实现硬性和柔性的运动顺序。

24 个阀喷嘴通过一块气流板来连接至手指的十个气接口和两个

摆动模块。同时，板上也配备了精确控制所需的压力传感器。

为了能在如此狭小空间内实现复杂气路的精细网络结构，气流

板采用了 3D 打印技术。

气动机构带 3D 织物

手指用一个通过压缩空气驱动高强度弹性体气囊的两个气腔来移

动。不仅具有极佳的弹性，而且极为耐磨损。两个气腔全部排空

后，手指内就不存在力，保持伸展。

橡胶气囊密封在由弹性高强度纤维特制的 3D 织物层内。这意味

着，织物能用于精确确定结构在哪一点扩张，从而产生力，而在

哪一点又防止出现扩张。因为手指的外层是有弹性的，所以用一

条带子限制手指内侧的纵向扩张。通过这种方式，手指充满气后

就能弯曲。

带曲折结构的强度弹性体气囊被贴在织物上，那里也安装了惯量

和接触力传感器，不会对手指的动作造成妨碍。

6

02 03

04

模块化机器人手

与电驱或电缆操控的机器人手不同，仿生柔性手采用弹性的气

动运动机构以及弹性材料和轻量化元件。得益于模块化的结

构，柔性手还有三指或四指的派生型，例如用作自适应钳式抓

手。

人与机器人协作的潜力

与轻型气动机器人，如仿生协作机器人或仿生柔性手臂组合，

可实现直接而安全的人机协作。两种机器人都符合安全性规

定，不需要像传统工厂机器人那样跟工人隔离开。

仿生柔性手就是为未来工厂协作工作空间内的应用而生。因为

机器人手可刚性及柔性抓握，所以可以预见，它可以被用作装

配工作中的助手以及用在服务机器人中。

通过手指模拟来远程操控

仿生柔性手的远程操控也是可以预见的。借助深度感测相机的图

像，机器人手可以模拟用户的手势和动作，来回应用户。机器人

可以从安全距离上进行操控，来处理有害物质或执行对人健康有

害的过程。此外，同时可控制多个系统。

在未来的生产中，需要更加灵活的装置和元件，能根据正在生产

的产品来独立调节。可自适应性抓手，如仿生柔性手，在这个方

面承担着一个有意义的角色。

习得知识“积木”，可全球应用

未来，开发独立解决方案策略的能力会让人与机器间的交互更加

直观、简单和高效。知识“积木”和新技能一旦习得就能无限分

享，并在全球范围内应用。

01: 调试方便: 快速连接至多种轻型机器人上，如仿生机械臂

02: 帮手: 为在协作空间内的直接协作

而生03: 用途广泛: 在自适应钳式抓手中采用

四个仿生柔性手的手指04: 未来应用场景可期: 通过手指模拟

在安全距离上遥控操作

7仿生柔性手：带人工智能的气动机器人手

技术参数

• 手指长度: . . . . 4 × 98 mm

. . . . . . . . . . . . . . . . . . . 1 × 79 mm（小手指）

• 手的自由度: 12

• 工作压力: . . . . . . . 3.5 bar (手指)

. . . . . . . . . . . . . . . . . . . 6.0 bar (摆动模块). . . . 最大 4 kg（取决于朝向）• 最大负载能力:

材料:• 皮肤: . . . . . . . . . . . . . . . . 硅胶

• 织物: . . . . . . . . . . . Dyneema®

• 气囊: . . . . . . . . . . . . . . EPDM，肖氏硬度达 ~45

• 壳体: . . . . . . . . . . . . .

• 气流板: . . . . . . . . . . .

3D 打印材料

树脂，立体光刻工艺

传感器技术:

• 1 个惯量传感器，位于手背

• 10 个惯量传感器，位于手指内

• 15 个接触力传感器，位于手指内

• 14 个压力传感器，位于气流板内

. . . . . . . . • 气缸:

• 阀技术: . . . . . . . .

2 个 EV 摆动气缸

12 个压电阀芯，来自

Festo 数字控制终端 VTEM

• 电脑视觉: 1 个 Leap Motion 深度感测相机

• Dyneema® 是荷兰 Heerlen DSM IP Assets B.V. 的注册商

标。

项目参与方

项目发起人:

Wilfried Stoll 博士，管理合伙人

Festo Holding GmbH

项目管理:

Karoline von Häfen, Elias Knubben 博士, Festo AG & Co. KG

创意和概念:

Dieter Mankau 教授, Frankfurt am Main

项目团队:

Christian Ebert,

Ebert Zobel Industrial Design GbR, Frankfurt am Main

Alexander Hildebrandt 博士, Mart Moerdijk, Timo Schwarzer,

Sebastian Schrof, Philipp Steck, Julia Gastinger, Manuel Rausch,

Micha Purucker, Paolo Rüegg, Christian Schweizer,

Festo AG & Co. KG

强化学习:

Jan Koutnik, Zdenek Buk, Vojtech Micka

Nnaisense SA, Lugano, Schweiz

纺织技术:

Walter Wörner, Gesellschaft für textilen Service mbH, Pfullingen

Festo AG & Co. KG

Ruiter Strasse 82

73734 Esslingen

Germany

Phone +49 711 347-0

Fax +49 711 347-21 55

cc@festo.com

www.festo.com/bionics fesd

018

cn

3/2

019