Ruka-v2：面向机器人学习的具有腕部和外展功能的腱绳驱动开源灵巧手

论文信息

标题: Ruka-v2: Tendon Driven Open-Source Dexterous Hand with Wrist and Abduction for Robot Learning

作者: Xinqi, Liu, Ruoxi Hu, et al.

发布日期: 2026-03-27

arXiv ID: 2603.26660v1

PDF 链接: 下载 PDF

3 分钟速览

• 研究问题：现有开源灵巧机械手缺少腕部运动和手指外展/内收能力，限制了机器人在模仿人类行为时的灵活性,硬件成本高、可复现性差。
• 核心方法：在腱绳驱动机械手 Ruka 基础上，增加解耦的 2 自由度并联腕部和独立手指外展/内收模块,采用线性关节-电机映射简化控制,全部 3D 打印文件开源。
• 关键结果：与上一代 Ruka 相比,远程操作任务完成时间缩短 51.3%,成功率提升 21.2%（见论文 4.5 节用户实验）。
• 主要局限：控制模型假设关节角度与电机位置呈线性关系,这一假设未经正式验证（见论文第 5 节）,且触觉传感器的即插即用集成尚存磁干扰问题。
• 适合读者：机器人硬件设计、灵巧操作、机器人学习领域的研究者和工程师,尤其是希望低成本复现高性能灵巧手进行策略训练的人。

论文背景和研究动机

人类能够毫不费力地完成日常生活中的各种任务,不仅依赖于智能,还得益于人手卓越的物理能力。人手拥有超过 20 个自由度、3 自由度的腕部、分布式的触觉感知以及柔软顺应性的身体结构。要让机器人达到同等水平的灵巧性,硬件始终是一个主要瓶颈。

现有的灵巧手设计方案各有取舍。直接驱动型方案将电机直接安装在手指关节处,虽控制简单但体积庞大、重量大,且人机形态差异显著。小型化直驱方案虽改善了外形,但要么价格高达约 $50,000（如 Sharpa Wave）,要么在连续运行约 40 分钟后出现过热（如 Wuji Hand）。腱绳驱动方案将电机移到前臂,通过类似人体肌腱的绳索传动,形态更紧凑,但商业产品（如 Shadow Hand）价格超过 $100,000,维修困难。学术界的开源方案则存在自由度不足、文档不完整或关键文件未开源等问题。尤其值得注意的是,尽管人类极度依赖腕部运动来完成多数日常任务,大多数机械手设计却忽略了腕部。

Ruka-v2 正是针对这些痛点推出的改进方案。

核心方法和技术细节

机械设计架构

Ruka-v2 总共提供 18 个手指和拇指自由度,外加 2 个腕部自由度。所有主要结构件均通过 3D 打印制造,轴承、紧固件和弹簧采用标准件,电机置于前臂以降低远端惯量并简化维护。总材料成本低于 $1,500。

解耦并联腕部运动学

腕部设计采用解耦并联机构,屈伸和桡偏/尺偏两个自由度独立驱动。腕部电机安装在腕部下方,通过矩形连杆机构驱动,连杆的旋转轴交汇于单一几何枢轴点。一个被动球形关节定义公共旋转中心,同时为中指腱绳提供通孔通道,使其穿过旋转中心附近。支撑轴承的路由板将腱绳向外引导至前臂,防止大幅腕部旋转时出现尖锐弯曲和腱绳缠绕。这种设计最大限度减少了腕部运动时掌心平移,简化了建模与标定,且降低了轴间耦合。

手指外展/内收模块

掌心集成了独立指节模块,同时容纳 MCP 关节屈曲轴和次级外展/内收轴。每根手指的外展/内收由专用的前臂电机经腱绳驱动,一个小型拉伸弹簧提供回复力矩,在腱绳松弛时将手指拉回中立位。这种配置增加了接触时的顺应性,降低了双向控制的驱动需求,并强制设定了明确的默认姿态。中指保持固定,为对齐提供稳定几何参考。

可选的 DIP/PIP 耦合机构

在 Ruka 中,虽然 PIP 和 DIP 关节由同一电机驱动,但没有主动强制关节位移相等,导致不同装配体的运动关系不一致。Ruka-v2 提供了可选的刚性耦合机构:使用定长耦合绳穿过加大的内部通道,锚固到近端和远端指节,强制 DIP 关节随 PIP 关节以确定性的关系运动。论文通过重复弯曲-伸展实验对比了两种设计的运动可重复性（图 14）,耦合设计显著减少了往复过程中的回差和试次间变化。

可拆卸磁编码器

为评估关节角度控制精度,论文设计了利用 AS5600 磁角度传感器（12 位分辨率）的可拆卸测量装置。磁铁座压入关节定位销,传感器结构通过原有手部设计的螺钉固定，无需额外紧固件。ESP32 QTPy 微控制器通过 I2C 多路复用器板读取传感器数据并传输至主机。

控制系统架构

论文将人手姿态的 “重定向” 问题与关节角度到电机位置的映射问题解耦处理。重定向采用 AnyTeleop 框架的向量法,从单目视频流提取 3D 手部关键点,优化机械手关节角度使得各指的链接向量与人类手指方向对齐,而非仅匹配指尖位置。

关节到电机的映射采用线性关系:

$$p = p_{\min} + c \cdot \frac{\theta}{\theta_{\max} - \theta_{\min}} \cdot (p_{\max} - p_{\min})$$

其中 $p_{\min}$ 对应关节完全伸展时的腱绳初始张紧点,$p_{\max}$ 由完全蜷曲时的机械限位确定。可配置的比例因子 $c$ 用于补偿腱绳内部摩擦和手指自重。标定过程通过脚本自动完成。

创新点和贡献

完整的开源生态：Ruka-v2 提供了全部 3D 打印文件、可修改的 CAD 模型、分步建造指南和视频教程。建造过程除 3D 打印机外无需特殊设备,彻底移除了类似硅胶铸造等需要专业设备的材料依赖。指尖通过 3D 打印的 E-flesh 实现柔性,无需牺牲可及性。

双自由度腕部的腱绳协同设计：在腱绳必须穿过腕部的前提条件下,通过通孔球形关节和支撑轴承路由板实现了屈伸和偏差运动的解耦,并最大限度降低了腕部姿态变化对有效腱绳长度的影响,这是腱绳驱动手的非平凡工程难题。

硬件驱动的用户体验验证：通过 10 名参与者执行三类任务（面包拾放、笔抓取、开书页）的用户实验,不仅证明了新一代硬件的性能提升（完成时间缩短 51.3%,成功率提高 21.2%）,还以量化方式论证了腕部驱动和外展/内收在任务完成中的关键作用（图 15）。

为机器人学习提供实验基准：论文在 10 个单臂任务和 3 个双臂任务上进行了远程操作演示,并使用 BAKU 框架在 3 个任务（面包拾放、打开音乐盒、笔抓取）上训练了自主策略。数据收集时注入高斯噪声以自动丰富纠错示范,策略在多重随机初始位置下进行了闭环滚动测试（图 10）。

实验结果分析

热稳定性测试：连续运行 5 小时,手指电机峰值温度 30.75°C,稳态 30.35°C,温升仅 0.81°C；腕部电机温升较大（7.25°C）,但峰值温度 46.00°C 仍在安全范围内（表 3、图 11）。整个测试过程中无热关机或性能下降。

静态载荷能力：耦合 DIP/PIP 关节支持 1200g 负载 15 秒,MCP 关节 780g,外展/内收仅 150g（反映出该运动方向的刚度较低）。腕部在前臂旋前/旋后方向可支持 1215g 维持 20 秒,而在桡侧/尺侧朝上时降至 835g（表 4）。

控制器精度：通过可拆卸磁编码器获得关节角度地面真值,对每个关节随机抽取 20 个目标角度进行评估。整体平均绝对误差为 8.26°,归一化百分比误差为 10.68%（表 5）。拇指 IP 关节误差最小（2.76°），而外展关节的百分比误差最大（15.96%）。

DIP/PIP 耦合效果：图 14 清晰展示了两种设计的差异。原始设计中,重复弯曲-伸展曲线试次间离散度大,尤其在低角度区域和方向换向时,反映出腱绳松弛和摩擦的显著影响。耦合机制使测量曲线更加紧密聚集,指令位置与关节角度的关系更一致,有利于抓取执行和控制器的可重复性。

实践建议

Ruka-v2 的完整开源特性使其成为灵巧操作研究的理想平台。对于希望复现该硬件的团队,以下几点值得关注:

建造前的准备工作：论文强调所有结构件均可通过普通 3D 打印机制造,但腱绳的选材和布线质量直接影响使用寿命和控制精度。建议严格遵循官方视频教程中的腱绳张力调节步骤,特别注意初始张紧点的标定,这是 $p_{\min}$ 值准确性的基础。

控制参数的优化：线性控制器中的比例因子 $c$ 需要针对具体装配体进行微调。论文指出 MCP 关节最常需要补偿,原因可能是腱绳摩擦和手部检测框架对该关节角度的低估。使用者可在初次部署时利用磁编码器进行局部标定,建立本体的误差反馈后再设定 $c$ 值。

触觉集成的注意事项：虽然 E-flesh 指尖可转换为触觉传感器,但多指场景下的磁传感器之间可能存在干扰。在未解决此问题前,建议先在单指或拇指上实验触觉感知,或采用非磁性传感方案（如压阻式传感器）。论文已将此列为明确待解决的未来工作方向。

策略训练的数据收集策略：论文在收集示范数据时注入高斯噪声以诱导操作者产生纠正行为，这一实践可显著提升策略的鲁棒性和错误恢复能力，值得在类似任务中采用。建议噪声幅度根据具体任务的操作容错空间进行调整,避免引入过大的随机扰动导致任务失败。

硬件改进的切入点：所有 CAD 文件均可修改,为硬件研究者提供了二次开发的便利。论文作者特别建议利用工作中引入的磁编码器替代昂贵的运动捕捉手套,通过数据驱动方法建模关节到电机的映射关系,这既能保持 Ruka 原方案的准确性优势,又能大幅降低成本。