如何使用Manus Metagloves数据手套控制灵巧手？

遥操作使人类能够用自然的手指运动来控制机器手。本文将基于MANUS Metagloves Pro和PSYONIC Ability Hand的内部测试深入探讨如何创建灵巧手遥操作工作流程。该工作流程概述了如何使用MANUS高精度手指跟踪和PSYONIC的自适应机器手创建响应迅速的实时ROS 2遥操作设置。

开始前需要准备什么硬件与软件

此工作流需要MANUS Metagloves Pro与PSYONIC灵巧手，以及可运行ROS 2的Linux工作站。尽管MANUS Core是基于Windows的，但Linux系统可以使用MANUS集成的SDK，这可将手套数据直接传输到Linux环境中。MANUS ROS 2节点发布关节角度数据，而PSYONIC ROS 2节点向灵巧手发送控制命令。

逐步流程说明

1. 连接硬件

将Metagloves Pro加密狗连接到Linux工作站，并使用MANUS集成SDK将手指数据传输到ROS 2。安装ROS 2并下载MANUS ROS 2套件和PSYONIC ROS 2 Python包。

MANUS节点发布原始数据和关节角度数据，而PSYONIC包提供了控制能力机器手的命令接口。当两者都处于活动状态，系统就可以通过转换层进行集成了。

2. 创建翻译层

转换层将Manus输出连接到PSYONIC输入。

由于人手的运动结构比灵巧手的驱动模型包含更多的自由度，因此需要将人手关节角度映射到机器人手的命令中。

Manus提供MCP、PIP和DIP角度以表示的操作者的手的弯曲度，该弯曲度被合并为每个手指的单个标准化弯曲度值，并被映射到PSYONIC手指位置界面。

3. 微调数据

翻译层运行后，需要测试基本手势以确定缩放问题或偏移:

展开手部

握紧拳头

捏合

三指夹持

微小的调整，例如缩放、零偏移校正或光线平滑，是正常的，尤其是当将连续的人体运动映射到灵巧手时。

常见问题和故障排除

内部测试期间观察到的大多数挑战来自拇指，这需要映射到自由度较少的灵巧手的拇指。MANUS提供详细的拇指数据，包括手掌弯曲和外展，而机器人拇指只接受基本的弯曲输入。

这一挑战通过以下方式得以解决：

拇指旋转→使用ThumbMCPspread，略微缩放

拇指屈曲→像其他手指一样结合MCP/IP屈曲，然后以小比例呈现。

这产生了稳定的、可预测的拇指运动，而没有意外的旋转。

结论

MANUS Metagloves Pro和PSYONIC Ability Hand的结合，让实现清晰、实时的遥操作设置，并精确地反映手指的自然运动成为现实。通过MANUS集成的SDK，一个简单的翻译层和轻校准，开发人员可以实现平滑且直观的机器手控制，适用于研究、开发和落实人工智能实验。

关于99499www威尼斯

99499www威尼斯作为Manus的中国大陆代理商全力为您提供优质服务。我们希望将更多标杆级与应用尖端技术的科技产品带入到蓬勃发展的国内市场中，以协助更多企业与高校拓展技术开发、探索创新领域。