前言

在现实家庭环境中，机器人执行日常操作任务（如从冰箱中取物、插拔线缆、整理抽屉）常面临高度拥挤和空间受限的挑战。

论文标题：

DexWrist: A Robotic Wrist for Constrained and Dynamic Manipulation

论文作者：

Martin Peticco, Gabriella Ulloa, John Marangola, Pulkit Agrawal

项目论文：https://arxiv.org/abs/2505.06111

移动底盘：松灵轻量化六轴PiPER机械臂

一、痛点洞察-传统机械手腕的三大局限

01.空间适应性差：工业场景中的串联式手腕在冰箱取物/机箱布线等场景易碰撞

02.动态响应不足：高齿轮减速比设计导致延迟高（＜20Hz）、无法完成倒水等动态任务

03.示教效率低下：操作员需频繁调整轨迹，单次取物演示耗时超90秒

因此，如何设计一种兼具高顺应性、大工作空间、仿人运动特性的机器人腕部，成为提升机器人在真实环境中操作能力的关键突破口。

二、关键技术方案与创新设计

 1.解耦并联运动学结构（2-(R, RR) PKM）

DexWrist采用2自由度解耦并联机构（Parallel Kinematic Mechanism），模拟人类手腕的屈伸（F/E）与桡尺偏（R/U）运动。该结构具有以下优势：

• 共点关节：运动轴线交汇于一点，更接近人体解剖结构；

• 高刚度与高精度：并联结构受力分布均匀，抗扰性强；

• 大工作空间：相比串联腕部，在狭窄空间内可达性提升88%（仿真验证）；

• 解耦控制：各自由度独立驱动，简化建模与控制。

• 实验验证：在PyBullet中模拟“深角橱柜取物”任务，DexWrist相比原AgileX串联腕部，可达目标点数量提升88%。

2. 准直驱步进行星复合齿轮箱（QDD）

为兼顾高力矩输出与高顺应性，DexWrist采用定制化13:1步进行星复合齿轮箱，搭配CubeMars GL40高功率密度BLDC电机（1.5 W/cm³）。该设计实现：

• 高力矩输出：额定3.75±0.05 Nm，满足ADL需求；

• 低反驱力矩：仅0.33±0.06 Nm，实现良好顺应性；

• 准直驱特性：负载惯量远大于电机惯量，提升力控响应速度；

• 结构紧凑：定制设计避免商用减速器体积过大问题。

3. 仿人尺寸与轻量化集成

• 尺寸：64 mm × 66.5 mm × 178.2 mm（略超宽高限，但接近人体尺寸）；

• 重量：0.97 kg，兼容主流机械臂负载；

• 集成方式：替换AgileX PiPER臂末端两关节，保留6-DOF总自由度，末端安装ALOHA风格夹爪。

三、实验验证与性能评估

场景实测

在三大挑战性场景中表现惊艳

密集冰箱取物：碰撞率降低62%，成功抓取深层物体

机箱后部插拔：操作步骤缩减50%，轨迹长度优化42%

深层抽屉操作：任务完成速度提升3.24倍（28.1s vs 91.0s）

搭载Diffusion Policy策略学习框架

# 关键训练参数horizon = 16  # 动作预测步长vision_encoder = ResNet18  # 视觉特征提取policy_bandwidth = 20Hz   # 控制频率

实验结果

• 策略成功率提升50%（60% vs 40%）

• 训练数据需求量减少4

四、研究意义与展望

1. 核心贡献

• 硬件创新：提出并实现了高性能、仿人、解耦并联机器人腕部DexWrist；

• 学习赋能：证明专用硬件设计可显著提升遥操作效率与策略学习性能；

• 现实适用性：在真实家庭场景任务中验证了其在受限空间操作的优越性。

2. 未来方向

• 增加第三自由度（旋前/旋后，P/S），实现全手腕运动；

• 探索更轻量化材料与柔性结构；

• 在多任务、长期自主操作中验证其鲁棒性；

• 与视觉-触觉感知融合，实现闭环自适应操作。