2025-05-13 スイス連邦工科大学ローザンヌ校（EPFL）
ADAPT robotic hand (Adaptive Dexterous Anthropomorphic Programmable sTiffness) © CREATE Lab EPFL
スイス連邦工科大学ローザンヌ校（EPFL）のCREATE Labは、柔軟性を備えた新型ロボットハンド「ADAPT（Adaptive Dexterous Anthropomorphic Programmable sTiffness）」を開発しました。このロボットハンドは、シリコン製の皮膚やバネ付き関節などの分散型コンプライアンス（柔軟性）構造を活用し、事前の詳細なプログラミングやセンサーによるフィードバックなしに、人間のような自然な把持動作を実現しています。
実験では、24種類の異なる形状の物体を93％の成功率で把持し、その動作は人間の把持と68％の類似性を示しました。ADAPTハンドは20の関節を持ちながら、モーターは12個のみで、残りはバネやシリコン皮膚による受動的な制御で構成されています。この「ボトムアップ」型の機械的知能により、ロボットは環境の不確実性に柔軟に対応し、複雑な制御アルゴリズムに頼らずに多様な把持が可能となります。
この研究成果は、2024年4月にプレプリントサーバーarXivで公開されました。
＜関連情報＞
- https://actu.epfl.ch/news/robotic-hand-moves-objects-with-human-like-grasp-2/
- https://www.nature.com/articles/s44172-025-00407-4
空間的に分散した生体模倣コンプライアンスにより、堅牢な擬人化ロボット操作が可能になるSpatially distributed biomimetic compliance enables robust anthropomorphic robotic manipulation
Kai Junge & Josie Hughes
Communications Engineering Published:26 April 2025
DOI:https://doi.org/10.1038/s44172-025-00407-4
Abstract
The impressive capabilities of humans to robustly perform manipulation stems from compliant interactions, enabled by the structure and materials distributed in the hands. We propose that mimicking this spatially distributed compliance in an anthropomorphic robotic hand enhances open-loop manipulation robustness and leads to human-like behaviors. Here we introduce the ADAPT Hand, equipped with configurable compliant elements on the skin, fingers, and wrist. After quantifying the effect of compliance on individual components against a rigid configuration, we experimentally analyze the performance of the full hand. Through automated pick-and-place tests, we show the grasping robustness mirrors the estimated geometric theoretical limit, while stress-testing the robot to perform 800+ grasps. Finally, 24 items with varying geometries are grasped in a constrained environment with a 93% success rate. We demonstrate that the hand-object self-organization behavior, driven by passive adaptation, underpins this robustness. The hand exhibits different grasp types based on object geometries, with a 68% similarity to natural human grasps.
