ORCA: An Open-Source, Reliable, Cost-Effective, Anthropomorphic Robotic Hand for Uninterrupted Dexterous Task Learning

通用机器人应具备类似人类的灵巧性和敏捷性，以完成与我们人类一样多样化的任务。类人形态进一步使得利用海量的人手交互数据集成为可能。然而，灵巧操作的主要瓶颈不仅在于软件，甚至可以说更多地在于硬件。接近人类能力的机械手通常价格昂贵、体积庞大，或者需要企业级维护，这限制了它们在更广泛的研究和实际应用中的可及性。如果研究社区能够在一天内获得可靠的灵巧机械手，会怎样呢？我们推出了开源的ORCA手，这是一款可靠且拟人化的17自由度腱驱动机械手，集成了触觉传感器，可在不到八小时内完全组装完成，材料成本低于2000瑞士法郎。我们展示了ORCA手的关键设计特点，例如弹出式关节、自动校准和张力系统，这些设计显著降低了复杂性，同时提高了可靠性、准确性和坚固性。我们在多种任务中对ORCA手进行了基准测试，范围从远程操作和模仿学习到零样本模拟到真实的强化学习。此外，我们证明了其耐用性，它能够承受超过10,000次连续操作循环——相当于大约20小时——而不会出现硬件故障，唯一的限制是实验本身的持续时间。所有设计文件、源代码和文档都将可在https://www.orcahand.com/获取。

论文试图解决机器人领域中高成本、低可靠性和复杂组装流程限制了类人机械手广泛应用的问题。这是一个长期存在的问题，但通过低成本和快速组装的解决方案，该研究为普及化提供了新路径。

关键思路是设计一款名为ORCA的开源、低成本（低于2000瑞士法郎）、易于组装（8小时内完成）且可靠的17自由度腱驱动机械手。其创新点包括弹出式关节设计、自动校准功能以及张力调节系统，这些特性显著提升了机械手的耐用性、准确性和易用性。

亮点包括：1) ORCA手能够承受超过10,000次连续操作循环，证明了其高度可靠性；2) 通过多种任务（如远程操作、模仿学习和强化学习）展示了其多功能性；3) 提供了完整的开源资源，包括设计文件、源代码和文档，网址为https://www.orcahand.com/；4) 实验设计涵盖了从硬件测试到多种AI算法的应用场景，验证了其实用价值。

近期相关研究包括：1) Shadow Hand，尽管功能强大但成本高昂；2) DexNet系列研究，专注于通过深度学习实现抓取能力优化；3) Meta的Robotic Hand项目，探索通过模拟到真实环境迁移提升性能；4) MIT提出的可重配置模块化机械手研究。此外，还有其他关于低成本机械手的研究，例如OpenBionics的项目，但它们通常在自由度或传感器集成方面有所妥协。