From robot to human grasping simulation

• Autores: Beatriz Elena Leon Pinzon
• Directores de la Tesis: Joaquín Luis Sancho-Bru (dir. tes.) , Antonio Morales Escrig (dir. tes.)
• Lectura: En la Universitat Jaume I ( España ) en 2013
• Idioma: inglés
• Tribunal Calificador de la Tesis: Raúl Suárez Feijóo (presid.) , Antonio Pérez González (secret.) , Wendy M. Murray (voc.) , Domenico Prattichizzo (voc.)
• Texto completo no disponible (Saber más ...)
• Resumen

  • Motivación La mano humana y su destreza manipulando y sujetando objetos son algunas de las características distintivas de la especie humana. La mayoría de las interacciones mecánicas humanas con su entorno se llevan a cabo con las manos. Usamos nuestras manos para realizar tareas muy diversas, desde ejercer grandes fuerzas (por ejemplo, usando un martillo o cargando objetos pesados) hasta ejecutar movimientos muy precisos (por ejemplo, utilizar una herramienta quirúrgica o tocar un instrumento). También las usamos para expresar nuestros sentimientos, incorporandolas como una parte dominante de nuestro lenguaje corporal. Esta versatilidad es posible gracias a una constitución muy compleja: un gran número de huesos conectados a través de diferentes articulaciones, una compleja musculatura unida a un sistema nervioso denso. Esta complejidad es ya evidente desde el punto de vista cinemático, con más de 23 grados de libertad (Brand and Hollister, 1992) controlados por músculos, tendones y ligamentos.

    Durante años los estudios anatómicos y biomecánicos han permitido profundizar en el conocimiento sobre su estructura, funcionamiento y limitaciones. Existe una amplia contribución científica que describe y modela cada uno de los componentes de la mano: estructura mecánica o esquelética, la función muscular, el entramado nervioso, las propiedades mecánicas y sensoriales de la piel, las funciones cognitivas de la manipulación, y otros muchos aspectos.

    Sin embargo, aunque diversos investigadores han estudiado de forma parcial distintos aspectos del agarre humano desde el punto de vista neurofisiológico y biomecánico, hasta la fecha no se ha realizado un análisis exhaustivo del comportamiento mecánico de la mano humana durante el agarre y la manipulación de objetos, dada la inexistencia de una herramienta suficientemente detallada y precisa para su simulación. En paralelo, en el campo de la robótica, la demanda creciente de aplicaciones robóticas en entornos dinámicos, no estructurados y en situaciones novedosas ha motivado la necesidad de crear manos robóticas diestras y mejorar sus capacidades de agarre que puedan hacer frente a una gran variedad de tareas y objetos encontrados en tales ambientes. La comunidad científica ha desarrollado una intensa labor de investigación y desarrollo en el diseño y construcción de manos robóticas, antropomorfas o no, y en todos los aspectos relacionados con su control. El objetivo explícito de estos estudios es dotar a los robots de manos capaces de manipular objetos con un desempeño similar al de la mano humana. Aunque el estado del arte actual en robótica aún se encuentra lejos de lograr dicho objetivo, sí se ha creado un importante corpus de conocimiento teórico y práctico sobre la manipulación. De particular relevancia son los avances en el modelado matemático y mecánico de las interacciones entre objetos, aspectos fundamentales en el análisis de la manipulación por parte de robots (Bicchi and Kumar, 2000).

    Nuestra hipótesis es que la confluencia de ambos campos científicos, el estudio biomecánico de la mano humana y el análisis robótico de la manipulación de objetos, puede suponer un avance en el desarrollo de ambas disciplinas. Por un lado, el estudio biomecánico de la mano humana se enriquecería con las técnicas de análisis matemático de manipulación de objetos, y por otro, el diseño de manos robóticas se beneficiaría de una mejor comprensión del funcionamiento de la mano humana.

    Simulación: una herramienta para entender el proceso del agarre Como hemos visto, a pesar de los recientes avances en biomecánica y robótica, no hemos sido capaces ni de entender ni, aún menos, de reproducir el proceso llevado a cabo por los seres humanos al manipular objetos que combina de una manera natural: la percepción, la acción y la capacidad predictiva de planificar mentalmente y luego ejecutar un agarre.

    Hay varias preguntas que aún faltan por responderse, por ejemplo: ¿Cómo el sistema cognitivo humano es capaz de planificar y controlar las tareas complejas de manipulación? ¿Cómo elegir un agarre específico entre un conjunto infinito para realizar una tarea específica para un objeto determinado? ¿Cómo el Sistema Nervioso Central selecciona y controla la fuerza necesaria requerida en cada músculo para realizar el agarre elegido y para contrarrestar las fuerzas externas? ¿Cómo somos, desde la infancia, capaces de utilizar nuestra experiencia para aprender y perfeccionar nuestra capacidad para agarrar y manipular? La dificultad radica en el hecho de que hay varios procesos y sistemas complejos involucrados que interactúan cuando los seres humanos realizan un agarre diestro. En primer lugar, está el complejo sistema cognitivo humano que procesa la información sensorial y controla la actividad muscular. En segundo lugar, tenemos un manipulador tan complejo como la mano y el brazo humano, que tiene un sentido del tacto sumamente sensible a través de la piel, dedos deformables capaces de producir esfuerzos de contacto blandos, más de 20 grados de libertad y un sistema complejo de músculos, tendones y ligamentos capaces de controlarlos. Por último, un entorno gobernado por complejas leyes físicas que caracterizan el comportamiento de todos los objetos.

    Con el fin de acercarnos a una comprensión global del agarre humano, creemos que el uso de un entorno de simulación, en el que podamos modelar y validar cada uno de estos procesos, es de vital importancia. Por lo tanto, en esta tesis se pretende sentar las bases para un entorno que permita el estudio del agarre a través de la simulación. Este entorno debe permitir, por un lado, el estudio del agarre humano y la posibilidad de transferir este conocimiento a varios campos, incluyendo la robótica, la medicina y la rehabilitación. Además, también debe permitirnos estudiar y mejorar el agarre robótico con un sistema que capaz, no sólo de reemplazar el hardware real, pero, más importante aún, ser parte del sistema cognitivo del robot, actuando como una máquina de predicción capaz de emular la recuperación del conocimiento.

    Metodología En esta tesis, el estado del arte actual de la robótica y la biomecánica se utiliza para sentar las bases del desarrollo de un entorno de simulación enfocado a la manipulación, ofreciendo de esta forma a la comunidad científica una herramienta modular, flexible y precisa.

    El objetivo propuesto tiene dos partes: crear un entorno de simulación que nos permita i) predecir las consecuencias de un agarre robótico y medir su rendimiento después de la ejecución y por otro lado ii) evaluar el agarre humano para lograr una mejor comprensión de la mano humana que nos ayudará a transferir estos conocimientos al campo de robótica. Este Entorno para la simulación del agarre consiste en dos partes: 1. OpenGRASP: Entorno para la simulación del agarre robótico. Un motor de simulación enfocado a las interacciones de manipulación robóticas embebido en un sistema de agarre cognitivo. Este motor de simulación permitirá al sistema almacenar y manipular representaciones abstractas y concretas de los objetos percibidos, considerar posibles acciones, predecir los resultados y planificar secuencias de acciones para alcanzar un objetivo deseado, hacer hipótesis sobre las propiedades reales de la mundo y, por último, reaccionar cuando se produce un comportamiento inesperado. Este entorno ofrece la posibilidad de desarrollar un motor de razonamiento del agarre incluyendo un entorno de introspección, cumpliendo un papel central en la comprensión de las actividades humanas y la planificación de nuevas acciones de manipulación.

    2. OpenHand: Entorno para la simulación del agarre humano. Un entorno de simulación cuyo objetivo se basa en obtener un modelo mas completo de la mano humana centrado en el agarre y la manipulación de objetos, integrando el conocimiento y desarrollo obtenido en los campos de la biomecánica, la ergonomía, la robótica y animación por ordenador. Se proporcionará un modelo realista biomecánica de la mano humana, tanto del esqueleto, los músculos y tendones, la simulación de la piel y el control neuromuscular. Además, se incluirán herramientas para el análisis del agarre, tales como el modelado de contactos, algoritmos de control para cerrar la mano y el desarrollo y aplicación de métricas de calidad del agarre.

    La metodología escogida tiene dos partes derivadas de los dos objetivos principales: 1. Diseñar e implementar una máquina de razonamiento del agarre que permita al sistema añadir e integrar el conocimiento adquirido e interactuar con él de forma que se asemeje al mundo real.

    2. Usar el conocimiento adquirido por la simulación robótica para crear un modelo simulado de la mano humana y sus interacciones con objetos virtuales, permitiendo un análisis exhaustivo y preciso de las propiedades del agarre realizado por el modelo virtual de la mano.

    Aportaciones Las contribuciones especificas de esta tesis pueden ser detalladas y subdivididas siguiendo sus dos objetivos principales: simulación del agarre robótico y del agarre humano.

    Simulación del agarre robótico OpenGRASP: En esta tesis se presenta una herramienta de simulación para el agarre y manipulación robóticos. Sus principios de diseño principales son la extensibilidad, la interoperabilidad y la disponibilidad pública. En su desarrollo se han utilizado componentes ya existentes y ampliamente disponibles para asegurar su estandarización y fácil adopción. También hemos proporcionado herramientas y características adicionales que ofrecen a los usuarios un inicio rápido: un editor de robots basado en Blender, la adopción del formato COLLADA, dos capas de abstracción física (PAL y Físicas), y modelos de manos robóticas actuales.

    Modelo de sensor táctil En esta tesis se ha abordado el problema de la simulación de un sensor táctil, así como de su aplicación en un entorno de simulación. El modelo simulado del sensor táctil utiliza la detección de colisiones usando contactos suaves, así como una descripción completa de la fricción. El elemento táctil se crea basándose en una geometría que permite la creación de diferentes formas de sensores táctiles. El elemento táctil se puede utilizar para detectar el tacto contra otras geometrías triangularizadas. Esta independencia en la forma permite el uso del modelo para diversas aplicaciones, que van desde sensores táctiles regulares como para geometrías más complejas como la de la mano humana que permitiría estudiar el tacto. El modelo de sensor desarrollado se lleva a cabo dentro de OpenGRASP y está disponible como un plug-in de código abierto. El modelo ha sido validado a través de varios experimentos que validan las propiedades físicas como en aplicaciones de agarre robótico. Este sensor simulado puede proporcionar a los investigadores una herramienta valiosa para la investigación del agarre robótico, especialmente en los casos donde los sensores reales no son todavía lo suficientemente precisos (Moisio et al., 2011, 2012, 2013).

    Agarre de objetos conocidos usando un enfoque orientado en modelos: Se proponé una métrica llamada ¿Model-Object Overlap¿ que incorpora la información obtenida por sensores de profundidad en el proceso de la planificación del agarre. Hemos demostrado como esta métrica puede ser incorporada en diferentes etapas y de diferentes formas en los ciclos de agarre convencionales para incrementar su eficacia y su robustez contra errores de reconocimiento. El simulador se utilizó para encontrar agarres estables clasificados de acuerdo con la métrica de calidad en relación con los datos observados.

    Agarre de objetos desconocidos: Se ha demostrado la aplicación de la simulación como apoyo a la ejecución en el mundo real en un escenario típico de robótica de servicio en el que los objetos son desconocidos para el robot y sus formas se han predicho usando simetrías. El simulador fue usado para seleccionar agarres estables y planificar movimientos libres de colisiones que serán ejecutados por el robot (Bohg et al., 2011).

    Agarre de objetos familiares: de acuerdo a una categoría y tarea dadas Se ha desarrollado un ciclo de agarre que permite agarre robótico autónomo de acuerdo con la categoría del objeto y una tarea dada. Varios módulos fueron integrados desde el desplazamientos de la mirada, segmentación, categorización de objetos y selección de agarres de acuerdo con la tarea. Se demuestra como esto permite al robot transferir experiencias del agarre de acuerdo a la tarea entre objetos de la misma categoría. La efectividad de este método se demostró en dos robots humanoides: ARMAR-IIIa y Tombatossals. El simulador fue usado para generar off-line un conjunto de agarres ordenados de acuerdo con la tarea. En el proceso on-line, el objeto mas similar y la tarea dada se usan para obtener el agarre con mejor puntaje de la base de datos (Bohg et al., 2012).

    Simulación dinámica del agarre Se abordó el problema de realizar una simulación dinámica completa de un torso humanoide, incluyendo sensores y actuadores, en el contexto del agarre y manipulación robótica. Se evaluó hasta qué medida la simulación reflejaba el comportamiento real de tareas de manipulación usando el mismo controlador tanto para el robot real como para el simulado y se analizaron sus diferencias. Los resultados muestran que es posible simular las tareas de manipulación con el estado del arte actual de las herramientas de simulación. A pesar de que la precisión no es perfecta, el entorno es capaz de realizar las tareas de manipulación como si fuera el robot real con resultados muy similares. Un resultado importante de este trabajo es que con este entorno es posible usar la información de los sensores táctiles con controladores que usen información táctil (León et al., 2012; León et al., 2012a).

    Simulación del agarre humano Modelo de la mano humana: Ha sido desarrollado un modelo biomecánico realista y auto contenido de la mano juntando los conocimientos actuales de la biomecánica, la ergonomía y la robótica. El modelo simula la mano completa y se puede escalar fácilmente para estudiar diferentes percentiles de la población. Cuenta con una representación realista que permite la evaluación ergonómica de productos. El modelo es dinámico y puede ser utilizado para estudiar los patrones musculares asociados con un agarre específico. Se permite predecir posibles posturas de agarre y proporciona la información de contacto requerida para la evaluación del agarre (Sancho-Bru et al., 2011a,b; León et al., 2011b).

    Simulación del agarre humano: La simulación biomecánica de la mano humana del agarre se ha realizado añadiendo al modelo biomecánico el equilibrio dinámico del objeto agarrado. Diferentes funciones objetivo se han estudiado para resolver el problema indeterminado de encontrar las fuerzas musculares que permiten el agarre. El principal aporte radica en mostrar que la generalizada función de minimización de Crowninshield no funciona bien cuando se trata de simular el agarre de un objeto con un modelo 3D de la mano ya validado, y que la consideración de un criterio de estabilidad mejora las estimaciones. Este resultado es significativo en el contexto de la modelización del agarre humano y no se ha reportado previamente en la literatura, lo que contribuye a una mejor comprensión del agarre humano (Sancho-Bru et al., 2012b).

    Evaluación del agarre humano: Basándonos en una revisión de las medidas de calidad del agarre robótico, las medidas más comúnmente usadas se han adaptado para la evaluación del agarre humano. Además, dos nuevas medidas, el Índice de fatiga y el Índice de margen de seguridad muscular se han propuesto para considerar los aspectos biomecánicos de la mano humana que no se tienen en cuenta por las medidas robóticas. El método de Monte Carlo se ha utilizado con éxito para obtener el límite superior para la medida de robótica QC2 en su adaptación a la evaluación del agarre humano con el fin de ilustrar su potencial para la normalización de cualquiera de las medidas (León et al., 2012c,d).

    Variabilidad y sensibilidad de las medidas de calidad Las medidas de calidad seleccionadas se utilizaron para evaluar la calidad de diferentes agarres. Un análisis de la variabilidad se realizó cambiando diferentes aspectos que pueden influir en el agarre como el peso del objeto y el tamaño, la posición, orientación, el tipo de agarre o el número de dedos utilizados. Con estos resultados, los rangos para normalizar mejor las medidas fueron propuestos. La robustez de las medidas a la incertidumbre en los datos de entrada ha sido demostrada a través de un análisis de sensibilidad, en el que de forma aleatoria se varía la postura tentativa de agarre dentro de un 10% de su rango (León et al., 2012b).

    Aspectos independientes del agarre: A través de un análisis de correlación, se determinaron grupos de medidas que evalúan aspectos similares del agarre, lo que nos permite encontrar un número reducido de índices para evaluar la calidad global del agarre. Adicionalmente se dio una interpretación física a los seis aspectos independientes de evaluación: restricción del agarre, capacidad de resistir fuerzas, efectos dinámicos, comodidad, manipulabilidad y fatiga muscular (León et al., 2012d).

    Índice de calidad global del agarre: Estas medidas fueron evaluadas por un conjunto de agarres diferentes que fueron también experimentalmente evaluados por sujetos humanos. Se propuso el uso de una red neuronal para combinar todas las medidas de calidad representativas de los aspectos independientes del agarre, generando un índice de calidad generalizado que proporciona una evaluación global del agarre. La evaluación hecha por los sujetos humanos fue utilizada para entrenar la red y validar los resultados.

    Aplicación a la evaluación del agarre prostético Hemos mostrado una aplicación para usar el entorno desarrollado para evaluar el agarre en simulación. Las medidas independientes de la calidad del agarre fueron utilizados para evaluar los agarres producidos por la mano protésica de Michelangelo y comparados con los resultados para la mano humana. La Fatiga muscular se descartó dado que no puede ser aplicada para una mano protésica y la medida de manipulabilidad siempre da cero para esta mano con un grado de libertad. A medida que la funcionalidad de las prótesis se acerquen más a la de una mano intacta, más aspectos podrán ser usados para evaluar sus capacidades. Estos índices podrán dar ideas de cómo mejorar el diseño de las prótesis para alcanzar una capacidad de agarre similar a la de la mano humana, o incluso mejorarla.

    Conclusiones El agarre es uno de los problemas más difíciles en la robótica, y requiere de conocimientos y desarrollo de diferentes campos. El problema, como muchos otros en robótica, se beneficia enormemente del uso de la simulación. En primer lugar, la simulación puede ser utilizada para reemplazar el hardware real en la medida en que sea capaz de reproducir el comportamiento físico real, que es de especial importancia en el contexto de la manipulación robótica. En segundo lugar, puede ser utilizada como un motor de predicción que ayude a comprender los efectos de las acciones y proporcione la base para el aprendizaje a través del desarrollo. Además, si la simulación reprodujera con precisión el sensor real y la retroalimentación de los actuadores, los robots podrían aprender de forma automática a partir de los datos de bajo nivel de los sensores sin desgastar el hardware real.

    La calidad de la simulación ha mejorado rápidamente en los últimos años con el desarrollo de diferentes motores físicos y una amplia variedad de motores de renderizado en 3D. Esto ha permitido a los simuladores mejorar su capacidad de predicción. Como resultado, varios enfoques han sido propuestos para utilizar la simulación para probar diferentes hipótesis de agarre, seleccionar un agarre estable usando distintos criterios y planificar y supervisar la ejecución de la tarea completa del agarre. Sin embargo, realizar manipulación diestra en entornos complejos es todavía una tarea muy difícil en robótica.

    En contraste, los seres humanos tienen la capacidad de realizar una gran variedad de tareas complejas de una manera muy hábil. Por lo tanto, el desarrollo de modelos y algoritmos capaces de replicar el agarre humano podría ayudarnos a entender cómo el cerebro humano es capaz de planificar y ejecutar estas acciones complejas y mejorar nuestros robots dotándolos con más habilidades diestras de manipulacion.

    En esta tesis, nosotros abordamos el problema de la simulación del agarre usando un enfoque interdisciplinar. Por un lado, hemos mejorado la simulación del agarre robótico usando herramientas actuales para predecir mejor la realidad. Por otro lado, hemos desarrollado un modelo biomecánico capaz de representar la mano humana. El conocimiento de robótica y biomecánica se utilizó para proponer diferentes medidas de calidad para evaluar diferentes aspectos de los agarres humanos. Por último, los conocimientos adquiridos a partir de la evaluación del agarre en los seres humanos se compararon con los agarres llevados a cabo por una mano protésica demostrando cómo la brecha entre la manipulación humana y la robótica se puede reducir.

    El entorno propuesto para evaluar el agarre de la mano humana tiene varias aplicaciones en diferentes campos de investigación relacionados con la manipulación. Estos incluyen el desarrollo de manipuladores robóticos más eficientes para la sustitución de la mano humana en las líneas de montaje de la industria, liberando así a los operadores de tareas repetitivas; el desarrollo de brazos robóticos para ayudar a personas con discapacidad; la mejora del diseño de prótesis de mano o manos robóticas; el desarrollo de dispositivos que transmitan la sensación táctil durante los procesos de manipulación en realidad virtual, en tele-operación o en tareas robóticas, como por ejemplo durante la tele-cirugía; la planificación de las operaciones médicas orientadas a restaurar o mejorar la capacidad de los pacientes con patologías de agarre en la mano; o los diseño de herramientas y otros productos utilizados por manos humanas.

    Aunque la manipulación diestra sigue siendo uno de los mayores retos de la robótica, esta tesis presenta enfoques que tienen como objetivo proporcionar procedimientos que abran caminos para alcanzar este objetivo.

    Trabajo futuro Los enfoques propuestos en esta tesis intentar resolver algunos problemas relacionados con la simulación de agarre y su evaluación. Sin embargo, aun se requiere mucho trabajo en este campo. Las siguientes son algunas de las líneas de investigación abiertas que pueden ser estudiadas en el futuro.

    Modelo de sensor táctil: El método de detección de colisiones para la detectar de los puntos de contacto es actualmente un método de fuerza bruta. Mejoras en este sentido pueden disminuir ampliamente los tiempos de cálculo del modelo de sensor táctil.

    Simulación dinámica del agarre El principal inconveniente del enfoque presentado es la duración que el simulador requiere para llevar a cabo la misma tarea que el robot real, limitando su posible uso como un motor de predicción. Sin embargo, los recientes avances en los procesos de paralelización para mejorar la velocidad de las simulaciones pueden ser una solución viable a este problema. El parallel quickstep package disponible en ROS, proporciona una implementación en CUDA, OpenCL y OpenMP que acelera el proceso de cálculo de cada instante de tiempo. Otro problema difícil es el ajuste de parámetros para el simulador, para el cual se podrían utilizar algoritmos de aprendizaje para encontrar los parámetros correctos.

    Modelo de la mano humana Hay varias partes del modelo que están abiertas para su mejora. Específicamente, el modelo de piel se puede mejorar en las zonas de las articulaciones incorporando un algoritmo de deformación de la piel que tenga en cuenta los ángulos de la articulación. Ello permitiría visualizar posturas más realistas de la mano. Además, las redes neuronales se podrían utilizar para evitar la necesidad de medir experimentalmente las posturas de agarre más abiertas y las tentativas. Por último, la interfaz gráfica también podría ser mejorada para proporcionar más opciones para el usuario.

    Criterio usado por el Sistema Nervioso Central: Aunque la medida de la estabilidad usada dio buenos resultados en nuestras simulaciones, puede fallar para otros agarres que requieran cierto nivel de manipulabilidad, ya que el criterio seleccionado por el SNC cambiará en cada caso según la tarea a realizar. Se requiere una investigación adicional sobre la aplicación de otras medidas de calidad del agarre robótico para otras tareas que impliquen diferentes niveles de estabilidad y manipulabilidad. Además, el modelo que se presenta en este estudio se ha utilizado para estudiar sólo agarres de cilindros con las yemas de los dedos. Agarres más complejos, que involucren más zonas de contacto de objetos y geometrías más complejas se pueden investigar en futuros estudios.

    Evaluación de la mano humana Se necesitan más estudios para investigar otras medidas biomecánicas que puedan ser obtenidas con el uso de los modelos biomecánicos actuales de la mano. Además, se podrían utilizar medidas que tengan en cuenta la tarea a realizar mientras se sujeta, ya que es un aspecto importante. Adicionalmente, las medidas utilizadas actualmente para evaluar el agarre consideran sólo la mano, entonces incluir todo el brazo en la evaluación - especialmente en la evaluación de la fatiga muscular - podría mejorar la capacidad de elegir agarres más cómodos.

    Índice de evaluación del agarre global Los experimentos realizados en este estudio se muestran como un ejemplo del procedimiento que se puede emplear para evaluar el agarre humano. Sin embargo, los resultados pueden ser ampliados realizando más experimentos donde se varíen mas aspectos del agarre. Estos pueden incluir la consideración de objetos con diferentes formas, incrementar la variación del peso, o variar la tarea a ser realizada para realizar el agarre. Adicionalmente, pedir a los sujetos que realicen una evaluación cuantitativa en vez de un ordenamiento de los agarres. Esto permitiría obtener una medida de la calidad global del agarre que pueda ser más fácilmente comparada con los resultados de los indicadores de calidad. Los sujetos también podrían evaluar las diferentes características del agarre medidas por los indicadores independientes.

    References Bicchi, A. (1995). On the Closure Properties of Robotic Grasping. International Journal of Robotics Research, 14:319¿334.

    Bicchi, A. and Kumar, V. (2000). Robotic grasping and contact: a review. In Robotics and Automation, 2000. Proceedings. ICRA ¿00. IEEE International Conference on, pages 348¿353. IEEE.

    Borst, C., Fischer, M., and Hirzinger, G. (2003). Grasping the dice by dicing the grasp. In Proceedings IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2003), volume 4, pages 3692¿3697.

    Choi, J. (2008). Developing a three-dimensional kinematic model of the hand for ergonomic analyses of hand posture, hand space envelope, and tendon excursion. PhD thesis, University of Michigan.

    Ciocarlie, M., Lackner, C., and Allen, P. (2007). Soft Finger Model with Adaptive Contact Geometry for Grasping and Manipulation Tasks. Second Joint EuroHaptics Conference and Symposium on Haptic Interfaces for Virtual Environment and Teleoperator Systems, pages 219¿224.

    Cutkosky, M. (1989). On grasp choice, grasp models, and the design of hands for manufacturing tasks. IEEE Transactions on Robotics and Automation, 5(3):269¿279.

    Diankov, R. (2010). Automated Construction of Robotic Manipulation Programs. PhD thesis, Carnegie Mellon University, Robotics Institute.

    Prattichizzo, D. and Trinkle, J. (2008). Grasping. Springer Handbook of Robotics, pages 671¿700.

    Roa, M. and Suarez, R. (2009). Computation of independent contact regions for grasping 3-d objects. IEEE Transactions on Robotics, 25(4):839 ¿850.

    Roa Garzón, M. (2009). Grasp Planning Methodology for 3D Arbitrary Shaped Objects. Ph. d. thesis, Universidad Politécnica de Cataluña.

    Sancho-Bru, J. (2000). Model biomecànic de la mà orientat al disseny d¿eines manuals. Ph. d. thesis, Universitat Jaume I.