別嘲笑這只手！它已經很不容易了……

提起人型機器人，我們總會想到它們在春晚翻跟頭，在田徑運動會上刷新記錄的場景，但是你有沒有發現，雖然它們的四肢逐漸靈活，但依舊是個“手殘黨”……

來源：見水印

比如你覺得系鞋帶輕而易舉，但對最靈巧的機械手（靈巧手）仍然“難如登天”。有人不由得發出感嘆：“這靈巧手，也不怎么靈嘛。”

先別急著說它菜！它能夠發展到這一步，真的已經很不容易了。

“手殘黨”的進階之路

早期的機械手更像是一把“鐵鉗”，學術上叫“兩指夾持器”——兩個手指一開一合，只能夾取固定形狀的零件[1]。

這種機械手至今還在工廠流水線上兢兢業業地搬磚，優點是簡單可靠，但缺點也很明顯：遇到雞蛋、豆腐或者不規則的異形件，立馬“抓瞎”。

多連桿夾持器（左）、氣缸夾持器（右）典型的兩指夾持器 來源：參考文獻1

因此，能適應更多種目標物體的三指、四指抓持手應運而生，提高了抓持的穩定性和可靠性，但由于力度不夠、缺乏傳感器反饋、自由度不夠等，它們依然停留在“夾取”階段，顯得不那么“靈巧”，連瓶蓋都擰不開。

另外，大部分靈巧手只能夾抓硬性物體，對軟物體卻操作不了，比如包餃子，或者系鞋帶都很困難。

能包好看餃子的人手 來源：soogif

靈巧手到底有多復雜？

真正的“靈巧手”，目標是復現人手的全部功能。

有些人的手甚至能打結…… 來源：bing

可是，人的一只手約有23個自由度（目前仍有爭議）[2]，你可以理解為23個可以獨立控制的基本動作，比如每個指關節的彎曲、大拇指的側擺等。這些基本動作的不同組合，才讓我們的手做出千變萬化的姿態。

光是洗手，都有無數個動作

想在方寸之間用機器復刻這一切，無異于建造一座微型精密工廠。

來源：作者提供

這座工廠主要包括四個關鍵部分[3]：

1.驅動系統（肌肉）

負責提供動力，讓手指能彎曲、抓握。常見的驅動器類型有電機（像電動玩具里的小馬達）、氣缸（靠壓縮空氣推動），以及液壓（靠液體壓力推動）。

2. 傳動系統（肌腱）

驅動系統產生動力后，需要傳動系統傳到手指的每個關節。

常見的“傳力工具”有絲杠、齒輪、連桿，還有像釣魚線一樣的繩索或腱繩。它們把動力從“肌肉”精準地輸送到指尖。

3. 傳感器系統（皮膚和神經）

靈巧手不能“瞎抓”，它需要感知自己抓到了什么、用了多大力、手指現在在什么位置。觸覺傳感器負責感受接觸，力覺傳感器負責測量力度，位置傳感器負責知道關節轉到了哪里。

4. 控制系統（大腦）

有了肌肉、肌腱和感覺，還得有一個聰明的“大腦”來協調一切。控制系統就是一套算法和軟件，它根據傳感器的反饋，實時決定驅動系統該出多少力、傳動系統該往哪個方向動，從而讓靈巧手完成預定動作。

這四部分缺一不可，它們的協同工作，才讓靈巧手有了接近人手的可能性。但是，人手23個自由度的協同運動，至今仍然難以復刻。

更棘手的是，我們對自己手的操作原理還沒完全搞明白，自然也無法完美教給機器。

現在的靈巧手，發展到哪步了？

展區中，有只格外吸睛的靈巧手。它是商業化量產靈巧手中的“優等生”，擁有19個自由度。在人手具備的33項常規功能動作中，它能完成32項。

來源：短面熊

不過，即便是這位已經很努力的“優等生”，也依然無法做到某些難度較高的動作……

模仿失敗…… | 來源：小編

要讓靈巧手真正“靈”起來，科學家們正在從兩方面發力：第一步，解決“抓瞎”問題。清華團隊給機械手貼上一層僅1毫米厚的“超能皮膚”，能感知溫度、紋理、顏色等10種信息，準確率超94%[4]！

第二步，提升跨場景泛化能力。浙大團隊用一個學習框架教會了靈巧手完成擰瓶蓋、擰水龍頭、推滑塊等五項任務[5]。從感知到操作，難關正在被逐個攻克。

操作不同形狀物體的靈巧手[5] 來源：參考文獻5

值得一提的是，曾經動輒幾十萬的高性能靈巧手也在悄悄放下身段，已有產品將售價壓到了千元區間，未來有望控制在千元以內[6]。

從“鐵鉗”到“巧手”，雖然還有很長的路要走，但科學家們正在一步步縮小差距。也許在不遠的將來，你家的機器人不僅能幫你扛冰箱、搬快遞，還能幫你系好鞋帶、穿針引線。那時候你一定會感嘆：“靈巧手老靈額！”

參考文獻

[1] 蔡世波,陶志成,萬偉偉,等.機器人多指靈巧手的研究現狀、趨勢與挑戰[J].機械工程學報,2021,57(15):1-14.

[2] Yang, H., Tao, Z., Yang, J. et al. A lightweight prosthetic hand with 19-DOF dexterity and human-level functions. Nat Commun 16, 955 (2025).https://doi.org/10.1038/s41467-025-56352-5

[3] https://finance.sina.com.cn/stock/stockzmt/2024-12-24/doc-ineaqhun8361484.shtml

[4] Li, S., Wu, T., Xu, J. et al. Biomimetic multimodal tactile sensing enables human-like robotic perception. Nat. Sens. 1, 52–62 (2026). https://doi.org/10.1038/s44460-025-00006-y

[5] Qi Ye et al., isual-tactile pretraining and online multitask learning for humanlike manipulation dexterity. Sci. Robot. 11, eady2869(2026). DOI:10.1126/scirobotics.ady2869

[6] https://www.bbtnews.com.cn/2026/0327/588822.shtm

來源：上海科技館

編輯：韶音

轉載內容僅代表作者觀點

不代表中科院物理所立場

如需轉載請聯系原公眾號