实现人类级别的灵巧性需要精准、低延迟的人机控制。ByteDexter系统集成了MANUS Quantum Metagloves和Meta Quest 3，能够实时远程操控20自由度连杆驱动的拟人化机械手。该系统可实现精准的捏握、稳定的强力抓取和高级的手内操作，为灵巧机器人、远程操控和具身人工智能研究提供了高质量的演示数据。
图片
机器人灵巧性面临的挑战
机器人灵巧性难以实现，因为机器人面临两个主要挑战：硬件限制和人与机器人运动之间的软件不匹配。
- 硬件限制
制造一只像人手一样活动的机械手绝非易事。不同的设计方法各有优缺点：
直接电机驱动
简单但笨重
难以小型化
肌腱驱动
高度仿生
电缆容易磨损，而且需要复杂的维护。
执行器通常安装在前臂上，这使得集成变得复杂。
联动驱动
结构紧凑、经久耐用、易于维护
执行器安装在手掌内部
这款产品非常适合高自由度灵巧的手型，但由于动作耦合和空间有限，拇指的设计极具挑战性。
ByteDexter采用混合设计来解决这些问题：
这四个手指采用紧凑的并联-串联连接结构。
拇指采用了一种新设计的机制，由三个致动器驱动四个自由度，从而实现了屈曲、伸展和外展等解耦的、类似人类的运动。
该系统由微秒级运动学求解器支持，可实现实时控制。
- 运动映射失真
人手和机器人手在关节类型、运动范围和几何比例方面存在差异。这些差异会导致诸如捏取、多指协调和手内操作等复杂任务出现失真。传统的指尖反向运动学（IK）和关键点匹配方法难以高保真地再现人体运动。
用于高保真灵巧控制的集成式远程操作架构
图片
ByteDexter 将硬件和软件整合到一个统一的、高性能的远程操作系统中。
一款拟人化的20自由度机械手
一种优化的运动重定向算法
来自 MANUS手套的高保真传感器输入
通过 MetaQuest追踪进行实时手臂映射
操作者的手指动作被转化为ByteDexter机械手的关节指令，而Quest控制器则提供持续的手腕姿态输入。FR3机械臂和ByteDexter机械手随后实时复现操作者的动作，从而创建出自然流畅的全手控制界面。
基于关键向量的运动重定向
ByteDexter不直接映射关节角度或指尖位置，而是使用关键向量，即表示手部关键点之间空间关系的几何向量。
图片
这些捕捉到：
指尖到指尖的几何形状
手指间空间关系
拇指-手指协调信号
自适应加权策略优先考虑与捏合动作相关的向量，以实现精确的拇指-食指或拇指-中指控制；优先考虑分离向量，以减少碰撞；优先考虑平滑项，以实现连续稳定的运动。该框架有效地协调了人机手掌的差异，并保持了协调灵巧的运动。
结果
该系统可实现更紧密、更稳定的捏握，精确再现拇指和手指的协调运动，并显著减少意外碰撞。它支持灵巧的手持操作，包括流畅的捏握到推握的转换、双物操作、通过推或控制旋转打开盖子，以及其他协调的多自由度动作。
图片
该图比较了ByteDexter的重定向方法（红色）和基线方法DexPilot（蓝色）在捏合任务中指尖距离跟踪的性能。ByteDexter的重定向方法生成的指尖轨迹能够更忠实地跟随人体运动，从而实现更准确、更稳定的捏合动作。
专为远程操作、数据采集和具身人工智能而构建
该系统结合了MANUS 数据手套和联动驱动的ByteDexter机械手，能够可靠地复制人手运动，保持协调的手臂控制，执行连续的多步骤任务，并高效地在真实环境中操控各种物体。这使得该平台非常适合远程操作、高质量数据采集、模仿学习和具身人工智能开发。
关于搜维尔科技
我们热衷于动作捕捉技术的研发与推广。我们热衷于推动技术发展，使其处于技术前沿甚至更前沿。在这个频道上，我们想分享我们基于动作捕捉技术的最新体验。搜维尔科技与Manus总部签署代理合作协议，成为其在中国大陆地区的授权代理经销商。搜维尔科技现支持相关产品购买、咨询与售后支持等服务，欢迎垂询。