ハンド制御2026/8/17arXiv:2608.16712v1

H-PACハンド：劣駆動ロボットハンドの制御指向モデリングと腱弾性補償

H-PAC Hand: Control-Oriented Modeling and Tendon-Elasticity Compensation for an Underactuated Robotic Hand

腱駆動の劣駆動ハンドにおける腱伸びによる関節誤差を補償する制御手法を提案し、6アクチュエータ・15自由度のハンドで精度を大幅に改善した。

詳しい要約

1. どんなもの？

本論文は、6つのアクチュエータで15自由度を駆動するモジュール式のunderactuated tendon-drivenロボットハンド「H-PAC Hand」を提案し、その制御指向モデリングと腱弾性補償の実装フレームワークを報告している。腱の弾性による関節角度誤差を補償する力学ベースのモデルを導出し、ホストコンピュータとESP32を用いた階層的制御アーキテクチャを実装している。

2. 先行研究と比べてどこがすごい？

従来のunderactuated tendon-drivenハンドは、腱の伸びによる関節偏差が問題となるが、これを明示的にモデル化し補償する制御指向の枠組みを提供している点が新しい。また、タスクごとの再調整なしに同一の制御パラメータで多様な姿勢・把持を実現できる点で、実用性が高い。

3. 技術・手法の肝は？

腱のルーティング幾何学からスパースな解析的アクチュエータ-関節モデルを導出し、腱弾性による関節誤差を補償する力学ベースのモデルを構築する。制御はホストコンピュータがワークスペース制約付き姿勢マッピングと補償を行い、ESP32が6つの位置制御サーボに同期コマンドを送る階層構造を採用している。

4. どうやって有効だと検証した？

単調なサーボスイープ実験により、補償が関節角度予測を大幅に改善することを示した。指標DIP関節のMAEが1.15度から0.18度に減少し、評価した9関節すべてでMAEが0.23度未満となった。さらに、外部の関節・力センサを使わずに代表的な姿勢と把持を実行し、再現性を実証した。

5. 議論はある？

要旨からは、補償モデルの一般化可能性や、異なる腱張力・負荷条件下でのロバスト性、また動的タスクへの適用可能性などについての議論は不明である。また、提案手法が特定のハードウェアに依存する可能性も考えられるが、要旨では言及されていない。

6. 次に読むべき論文は？

要旨で参照されている先行研究や関連手法は明示されていないが、underactuated tendon-driven handの制御や腱弾性補償に関する研究が関連する。具体的には、腱駆動ロボットハンドのモデリングと制御に関する論文や、腱の弾性を考慮した補償手法を扱った研究が挙げられる。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Teng Yan, Jiongxu Chen, Teng Wang, Yue Yu, Qixiang Hua, Zihang Wang, Yongru Chen, Bingzhuo Zhong

分類: cs.RO

原文アブストラクト

Underactuated tendon-driven hands offer compact actuation and passive compliance, but tendon elongation under restoring-spring loading introduces configuration-dependent joint deviations. This paper presents H-PAC, a modular 6-actuator, 15-DoF robotic hand with a control-oriented modeling and implementation framework. A sparse analytical actuator-joint model is derived from the tendon-routing geometry, and a mechanics-based compensation model is developed to account for tendon-elasticity-induced joint errors. The proposed method is implemented in a hierarchical architecture: a host computer performs workspace-constrained posture mapping and compensation, while an ESP32 generates synchronized commands for six position-controlled servos. The same control parameters and execution strategy are used across all tasks without task-specific retuning. Monotonic servo-sweep experiments show that the compensation substantially improves joint-angle prediction. The MAE of the index DIP joint decreases from 1.15 degrees to 0.18 degrees, and all nine evaluated joints achieve an MAE below 0.23 degrees. Representative postures and grasping configurations are further executed using the same control pipeline without external joint or force sensing in the control loop. The results demonstrate a practical approach to improving posture reproducibility in compact underactuated robotic end-effectors.

arXivで原文を読む →arXiv概要ページ

← 論文一覧