---
source: arxiv
url: http://arxiv.org/abs/2603.28542v1
published_at: '2026-03-30T15:04:13'
authors:
- Feiyu Jia
- Xiaojie Niu
- Sizhe Yang
- Qingwei Ben
- Tao Huang
- Feng zhao
- Jingbo Wang
- Jiangmiao Pang
topics:
- dexterous-manipulation
- teleoperation
- tactile-feedback
- robot-data-collection
- haptic-glove
relevance_score: 0.83
run_id: materialize-outputs
language_code: zh-CN
---

# Feel Robot Feels: Tactile Feedback Array Glove for Dexterous Manipulation

## Summary
## 摘要
TAG 是一款用于灵巧操作的低成本遥操作手套，把精确的 21-DoF 手部跟踪和高分辨率指尖触觉反馈结合起来。它面向接触密集的机器人遥操作和示教采集，这类任务中，运动误差和缺失的触觉反馈会降低任务成功率和数据质量。

## 问题
- 灵巧遥操作仍然受两个实际限制影响：人到机器人运动映射中的手部跟踪误差，以及接触时薄弱或缺失的触觉反馈。
- 基于视觉和虚拟现实（VR）的系统很依赖相机视角、对齐和姿态估计，而许多手套传感器会漂移、磨损，或者在电磁噪声附近失去精度。
- 对机器人学习来说，遥操作保真度很重要，因为质量差的示教会降低物理一致性，也会让采集的数据对模仿学习的价值变小。

## 方法
- TAG 使用 21 个非接触式磁编码器来跟踪整只手的关节运动。每个关节角度都由三轴磁场测量恢复，这样可以实现无漂移跟踪，并通过基于比值的角度计算抵消一部分共模误差。
- 每个指尖都有一个紧凑的 **32 执行器** 电渗式触觉阵列，装在一个 **2 cm²** 模块中。这个模块支持空间触觉模式，因此操作者不仅能感觉到发生了接触，还能感觉到接触发生的位置。
- 手套提供两种反馈模式：**形状映射**，把机器人指尖的接触图案传到人的指尖；**压力映射**，把更强的接触转换成更大的激活触觉区域。
- 这个系统面向真实机器人使用，也考虑了跨平台兼容性。论文用多种机器人触觉感知方式和两套遥操作配置对它进行了测试，包括 G1 + Inspire Hand 和 UR5e + XHand。
- TAG 也强调低成本和可复现：全文系统成本报告为 **低于 500 美元**，而商用触觉手套高于 **5,000 美元**。

## 结果
- 关节跟踪精度很高：论文报告了 **亚度级误差**，设计级精度低于 **0.8°**，实测最大跟踪误差在 **±0.35°** 以内，长时间误差分布的 **σ = 0.215°**。
- 在 **1000 s** 测试中，长期稳定性也不错：第一段和最后一段各 **30 s** 窗口之间的平均差异约为 **0.02°**，说明漂移很低。
- 在报告的实验设置中，抗电磁干扰能力明显优于商用基线：在开启的 PC 机箱附近，**Manus glove** 的偏差达到 **5.69°**，而 **TAG** 保持在 **0.24°** 以内。
- 这款手套的硬件密度很高：**21 DoF** 手部捕捉和每个指尖 **32 个触觉执行器**，模块尺寸为 **29 × 18.4 × 5.5 mm**。
- 在一项有 **5 名参与者** 的接触形状辨别用户研究中，**单点接触** 的准确率达到 **100%**。摘录还写到，**两点接触** 和 **平面接触** 的正确识别数分别是 **23/25**。
- 摘录声称，这个系统提高了接触密集型遥操作任务的成功率，也让用于模仿学习的示教更可靠，但提供的文本没有给出最终任务成功数或学习指标。

## Problem

## Approach

## Results

## Link
- [http://arxiv.org/abs/2603.28542v1](http://arxiv.org/abs/2603.28542v1)