| name | robot-hand-design-from-demonstrations |
| description | Utiliser quand l'utilisateur veut transformer des démonstrations humaines en exigences de conception, d'optimisation et de validation pour une main robotique, plutôt que produire seulement un résumé académique. |
| version | 1.1.0 |
| author | EVA Agent |
| license | Privée EVA St-Étienne |
| metadata | {"EVA":{"tags":["robotics","dexterous-hand","imitation-learning","reinforcement-learning","additive-manufacturing","grasping"],"related_skills":["robotics-abb","robot-programming-languages","ai-industrial-vision","predictive-maintenance-ml"]}} |
Robot Hand Design from Demonstrations
Vue d'ensemble
Cette compétence s'appuie sur les approches de génération de mains robotiques à partir de démonstrations humaines, mais la reformule comme un workflow d'ingénierie exploitable. Elle aide à passer d'un corpus de mouvements humains à un cahier de conception, un pipeline d'optimisation, un plan de prototypage et une stratégie de validation fonctionnelle.
Quand l'utiliser
À utiliser pour :
- concevoir une main robotique inspirée de gestes humains ;
- cadrer un pipeline démonstrations → cinématique → optimisation → prototype ;
- comparer plusieurs architectures de doigts, degrés de liberté ou transmissions ;
- préparer une preuve de concept robotique mêlant IA, simulation et fabrication additive.
Ne pas utiliser pour :
- un simple résumé d'article scientifique ;
- une préhension robotique sans besoin de conception mécanique ;
- une étude purement commande sans démonstrations humaines ni choix de morphologie.
Workflow recommandé
- Définir les tâches cibles : prises, manipulations, contraintes d'objets.
- Collecter et normaliser les démonstrations humaines.
- Identifier les variables essentielles : doigts, contacts, amplitudes, postures.
- Traduire ces besoins en exigences morphologiques et cinématiques.
- Optimiser les designs candidats par simulation ou RL.
- Prototyper les meilleurs candidats.
- Valider en essais fonctionnels et comparer à la baseline humaine ou robotique.
1. Collecte de données
- Capturer des gestes représentatifs du périmètre applicatif, pas seulement des gestes « jolis ».
- Prévoir une calibration robuste des capteurs ou du système de motion capture.
- Conserver les métadonnées de tâche : objet, orientation, succès/échec, vitesse, contraintes.
- Nettoyer les données pour l'inverse cinématique, la segmentation des phases de mouvement et l'analyse des contacts.
2. Optimisation du design robotique
- Comparer plusieurs nombres de DoF, géométries de doigts et stratégies de transmission.
- Utiliser un cadre d'optimisation qui sépare :
- morphologie,
- commande,
- métriques de réussite,
- coût matériel.
- Si un algorithme RL est employé, expliciter : observation, action, reward, contraintes, simulateur.
- Chercher le bon compromis entre dextérité, robustesse mécanique et coût de fabrication.
3. Fabrication et prototypage
- Préparer des exports CAO / STL propres et traçables.
- Séparer clairement prototype démonstrateur et design industrialisable.
- Documenter matériaux, tolérances, points d'usure, actionneurs et capteurs.
- Tester les composants critiques avant assemblage complet.
4. Vérification fonctionnelle
- Définir des scénarios de tests : prise, maintien, repositionnement, robustesse, répétabilité.
- Comparer les performances aux hypothèses initiales ou à une baseline.
- Mesurer précision, taux de succès, force de prise, sensibilité aux variations d'objet.
- Distinguer limitations algorithmiques, mécaniques et capteurs.
Livrables attendus
- matrice tâches ↔ exigences fonctionnelles ;
- cahier de paramètres morphologiques ;
- stratégie d'optimisation et de simulation ;
- plan de prototypage ;
- protocole de validation fonctionnelle.
Support files
references/design-evaluation-matrix.md : critères de comparaison entre designs.
Pièges Courants (Common Pitfalls)
- Utiliser des démonstrations non représentatives des tâches réelles.
- Optimiser la simulation sans intégrer les contraintes de fabrication.
- Sous-estimer l'importance des capteurs et de la calibration.
- Confondre réussite d'une démo et robustesse sur un ensemble de cas.
Liste de vérification (Checklist)
