精度2.15° 遮挡几乎为零，FLiPo数据手套实现高精度手部姿态捕捉

想要精确数据就得牺牲外观，想要外观就要牺牲精度？不！

将传感器全部移至手臂，手指仅保留极细丝线（直径0.1mm），实现了对手指关节运动的高精度（MAE 2.15°）、高鲁棒性捕捉，同时最大限度保留了手部视觉外观特征，为RGB图像中的手部姿态自动标注提供了可靠方案。华中科技大学丁汉院士团队最新研究成果：基于线性电位器的细丝数据手套（FLiPo）用于精确标注人类手指姿势。该研究通过独特的传感分离架构，为高精度手部姿态捕捉开辟了新路径。

基于线性电位器的细丝传感方法，结合优化的FK手部运动模型与FCNN网络映射，FLiPo有效解决了当前RGB手部姿势标注中对手部皮肤视觉特征遮挡严重、或引入干扰特征的难题。

其核心创新在于“传感-执行分离”的测量架构：传统数据手套将传感器集成在手指上，不可避免地造成遮挡；

而FLiPo利用直径仅0.1mm的聚乙烯细丝作为传动介质，一端贴合手指关节，另一端通过导管连接至手臂上的线性电位器。手指弯曲时，细丝滑动距离与关节角度呈线性关系，从而将测量环节全部外移，实现了对手部视觉特征的最大限度保留。

针对多关节耦合和皮肤软组织形变带来的非线性误差，团队引入全连接神经网络进行校正，使角度估计精度达到2.15°的平均绝对误差。

这一研究成果来自华中科技大学智能制造装备与技术国家重点实验室的丁汉院士、吴志刚教授团队，相关论文以《Filament Sliding Linear Potentiometer-based Data Glove (FLiPo)for Precisely Annotating Human Finger Poses》为题，发表在机器人领域权威期刊《IEEE Robotics and Automation Letters》上，为高精度手部姿态捕捉提供了全新方案。

论文原文链接：https://ieeexplore.ieee.org/document/11303113

为全面评估FLiPo的测量精度、鲁棒性与实时性，团队设计了一套“真值标定+多场景测试+环境干扰实验”三位一体的验证方案：

在整个验证体系中，元客FZMotion光学动捕系统承担了“真值验证”的关键角色：通过16台红外相机以200Hz频率捕捉粘贴于手指骨节的反光标记点三维坐标，并基于论文提出的改进型正向运动学手部模型解算出20个关节的欧拉角，为神经网络训练和精度评估提供了可靠的ground truth。

吴志刚教授具身智能团队依托华中科技大学智能制造装备与技术国家重点实验室，长期致力于软体机器人技术与传统机器人系统的深度融合，开发新一代人形机器人关键部件与智能系统。

团队研究方向涵盖：

柔性灵巧手及数据手套：如本研究所发起的FLiPo系统，面向高精度手部姿态捕捉与交互

灵巧抓取策略：结合视触觉感知与强化学习，提升机器人在复杂环境下的操作能力

柔性视触觉传感器：开发高灵敏度、可穿戴的感知界面，为人机交互提供底层传感支撑

未来，团队将继续深化在具身智能、人形机器人灵巧操作等领域的研究，而高精度运动捕捉系统（如FZMotion）在数据采集、算法验证、模型迭代等环节持续发挥关键支撑作用，为智能机器人“感知-决策-执行”闭环提供可靠的数据基石。