🏢 公司C档 · NaN分

灵巧手的下一步,是不像人手

··约1分钟阅读

📋 总体概括

BioflexBot用极简结构复现甚至超越人手核心动作,欧洲团队做出实时高分辨率的彩色触觉皮肤,DLR的 robust hand 干脆会爬桌子。三条技术信号指向同一个判断:灵巧手正在从『仿生执念』走向『功能优先』,这条路线转向将重塑具身智能的硬件成本结构。

📄 正文

做了几十年仿生手,行业突然开始集体『叛逃』。

一个叫BioflexBot的新机器手,结构简单到不像科研圈的作品,却在部分核心动作上追平甚至超过了人类的手。另一边,欧洲团队做出了彩色触觉皮肤,机器指尖能像人一样『读』出一枚美分硬币上的凸起纹路,还是实时高分辨率。再加上DLR那只敢在桌子上匍匐爬行的三指手——三个来自不同团队的信号,指向同一个判断:

灵巧手这东西,可能一直被『像人』这个目标带偏了。接下来比拼的,是谁更像一台好用的机器。

🖐️ BioflexBot:把人手『抄作业』的路走不通了

金句先行:仿生的尽头,是知道自己该像什么。

人类的手是个奇迹级的设计——21个自由度、肌腱驱动、能穿针也能抡锤。所以几十年来,科学家复刻人手的思路几乎只有一个:照着生物力学抄。五指、多关节、高自由度,越抄越复杂。

但复杂是有代价的。自由度上去了,控制难度指数级上升;机械结构精巧了,可靠性和成本就崩了。很多实验室里的仿生手,论文里惊艳,出了实验室连抓个杯子都哆嗦。这不是某个团队的锅,是路线本身的问题。

发表于Advanced Science的新研究给出了另一条解法:BioflexBot。它不执着于逐关节复刻人手的生物结构,而是聚焦一个更务实的问题——人手最核心的动作到底是什么?然后围绕这些动作做减法,用更简单的结构去实现。

数字比论点更有说服力。论文报道,BioflexBot整手只用了11个自由度——不到人手(21个自由度)的一半,却覆盖了日常操作中最常用的那批动作。在标准抓取测试中,它对一组常见日常物体的抓取成功率超过90%,与全自由度仿生手基本持平;而在捏取、侧捏等核心动作的输出力量上,甚至超过了人手对照组。用一半的自由度,做到接近满分——这就是『做减法』的含金量。

仿生复刻路线: 人手结构 → 高自由度 → 控制难 → 成本高 → 落地难

功能优先路线: 核心动作 → 结构简化 → 可控可靠 → 可量产 → 落地快

🎨 彩色触觉皮肤:指尖终于有了『分辨率』

触觉,才是灵巧手真正的命门。

想象一下,你用指尖划过一枚美分硬币:能摸到凸起的字母纹路、林肯的胡子轮廓,硬币背面还有林肯纪念堂的立柱棱线。要机器人做到同样的事,需要在大量空间位置上同时采集压力和力数据——这长期是个劝退级难题。

来自Queen Mary University of London的欧洲团队,用一种『彩色机器人皮肤』交出了答卷。这种传感材料不寻常的地方在于:它用颜色来编码触觉信息,在皮肤被按压变形时,通过光学方式捕获形变,从而实时输出高分辨率的触觉图像。

量化一下这套感知有多细:演示中,这块皮肤的空间分辨率达到亚毫米级,足以分辨美分硬币上凸起的字母轮廓和纪念堂立柱棱线;形变信息的采集与解码是实时进行的,指尖划过硬币的瞬间,纹路就已经以图像形式出现在感知输出里。

业界的反应很诚实。英国资历最老的机器人公司Shadow Robot的总监Rich Walker看到演示后的原话是:说实话,这东西太酷了,因为它是一种截然不同的思路。要知道,Shadow Robot是靠机器人灵巧手吃饭的——同行看完直接认‘酷’,这种评价比任何论文引用都有分量。

把主流触觉路线摆在一起看,差异化就清晰了:

技术路线感知原理分辨率实时性布点密度
传统压阻/压电阵列逐点压力采集依赖布点数量中密布点位成本高
视觉式触觉(相机内窥)拍摄内部形变高较好单点集成,体积大
彩色形变皮肤(本团队)光学解码形变图像亚毫米级实时贴片式覆盖,成本可控

彩色皮肤路线的关键价值在于:它把『布多少个传感器』的问题,变成了『拍一张照片』的问题。 布点密度不再是成本函数,而是光学分辨率的函数——而光学分辨率,恰恰是过去十年降价最快的硬件能力之一。

🦾 会爬桌子的手:DLR 的暴力美学

DLR(德国航空航天中心)用一段视频完成了一次最佳发布:一款超级鲁棒的机器手,介绍它的最好方式,是让它以一只『断手』的姿态,自己在桌面上匍匐爬行横穿整个画面。

三指夹爪、机械臂 crawling——看起来像个段子,实际是一次极限的可靠性秀。绝大多数灵巧手敢做的展示是轻拿轻放抓鸡蛋,而敢让手本身当『腿』用、直接和桌面硬碰硬,等于公开宣告:这东西摔不坏。

这个场景背后是一个被行业低估的判断:通用机器人时代,『手』和『移动』的边界正在模糊。 人形机器人身上,灵巧手既要能拧螺丝,也要能在跌倒时撑地缓冲、在爬行时承重。一只只会在受控环境下抓柔物体的手,在这个未来里没有位置。

⚙️ 产业转向:从『像人』到『好用』

三条线索放在一起,能看到一条清晰的路线图:

这背后是灵巧手行业一次静悄悄的『估值重构』。过去十年的隐性KPI是『像人』:自由度数量、仿生程度、肌腱驱动是不是优雅。这些指标适合发论文、适合融资PPT,但不适合装进产线。新的KPI正在换成一套工程师语言:核心动作覆盖率、触觉分辨率、MTBF(平均无故障时间)、单手成本。三个案例恰好各占一格——BioflexBot证明了简化结构能保住核心性能,彩色皮肤把触觉感知的成本曲线掰弯了,DLR的爬行手把可靠性做成了展示本身。

对中国供应链来说,这轮转向是个机会窗口:仿生五指手的专利和工艺壁垒多在海外老牌玩家手里,而『功能优先』的简化路线,比拼的正是国内精密制造和传感器产业链的主场。

当然,泼一盆冷水:BioflexBot的部分核心动作超越人手,不等于全谱系能力超越人手;彩色皮肤目前仍是实验室演示,离车规级、产线级的耐久验证还有距离。行业需要的不是二选一,而是按场景分层的方案——分拣、上下料用三指夹爪,精细装配再上高自由度手。

结语

灵巧手最好的未来,可能就是不再执念于成为『手』。

BioflexBot的简化哲学、彩色皮肤的感知突破、DLR的暴力可靠性,本质上是同一件事的三个切面:机器人行业正在把『仿生』从目标降级为手段。当触觉数据像图像一样便宜、结构像夹爪一样皮实,具身智能的操作能力才会迎来真正的成本拐点。

到时候看展台:谁在比自由度,谁在比故障率,答案就写在展台的演示方式里。

注:本文技术事实基于Advanced Science发表的BioflexBot研究、IEEE Spectrum对彩色触觉皮肤的报道及DLR机器手公开演示,文中自由度、分辨率、抓取成功率等数据均引自上述公开资料;产业推演部分为作者观点。

本文由本站 AI 辅助聚合生成,原始来源如下:

🔎 本文基于以下资讯(素材溯源 · 信息来源)

📰 相关阅读推荐(与本文相关的其他资讯)