實時更新飛瑞敖最新動態，了解飛瑞敖
我叫遠征A2，是一款面向交互服務場景的機器人，全身具備超過40個主動自由度的關節和仿人的靈巧雙手。”遠征A2人形機器人一邊介紹著自己，一邊轉動手腕、活動手指，展示著靈巧雙手，動作絲滑柔和，仿佛真的擁有“人類”雙手。
在8月18日智元機器人年度新品發布會上，智元機器人一口氣發布了“遠征”與“靈犀”兩大系列、五款商用人形機器人。其中，最值得關注的是智元機器人在靈巧手方面的突破，達到19個自由度，并加入MEMS觸覺（利用微機電系統實現觸覺感知與反饋）和視觸覺的多傳感融合，讓靈巧手實現更廣泛的物體交互。
“手”是人類感知世界的重要工具，一雙靈巧手同樣也是人形機器人重要的末端執行器，當它真正學會通過觸覺來認知世界時，或許就是硅基生命“誕生”的開始。
能打麻將 能穿針引線
在2024世界人工智能大會上，“青龍”人形機器人用雙手緩慢且輕柔地抓起桌面上混合擺放的面包和水果，分類放進左右兩個籃筐內，即便是柔軟的面包，也不會因為抓力而變形；機器人初創企業Figure和Open AI合作打造的Figure01，憑借一條清理桌面的視頻火爆全網，雙手可以識別并抓取光滑的玻璃杯、扁形的盤子、圓形的蘋果……
當人們都在驚嘆于多模態大模型賦予人形機器人一顆智能“大腦”時，往往會忽略這些動作的執行末端——機器人的靈巧手。
手，對人類的重要程度不言而喻。從生理結構來看，一個成年人一只手大約有27個關節數量，其中包括腕關節、腕掌關節、指關節等。若轉化為自由度（一個結構可以獨立運動的方向）概念，根據《山西大學學報》上一篇名為《手部姿態估計方法綜述》的論文，一只人手的自由度共26個，其中本體20個，手腕6個。這意味著，人形機器人的靈巧手想要更加靈活，自由度就要趨近，甚至超過人手結構。
在智元機器人新品發布會上，擁有“華為天才少年”和“野生鋼鐵俠”之稱的智元聯合創始人“稚暉君”（彭志輝）介紹，在動力域方面，智元自研PowerFlow關節模組已經實現量產化迭代升級，靈巧手的自由度升級為19個，其中通過驅動器主動控制的主動自由度相比上一代翻倍，為12個。單手最大負載達到5KG以上，可以實現重物拿取。在感知能力方面，智元機器人引入MEMS觸覺（利用微機電系統實現觸覺感知與反饋）和視觸覺的多傳感融合技術。
演示視頻中，智元機器人打造的靈巧手不僅可以完成握拳、張開、抓取物品等基本動作，還可以手持工具完成擰螺絲、拆快遞、倒水等操作，在基于視觸覺位姿估計技術下，甚至可以完成紐扣穿針、識別麻將等“精細活”。
對比來看，智元機器人打造的靈巧手已經超越具有11個自由度和6個執行器的特斯拉一代人形機器人，但距離英國Shadow Robot打造的擁有24個自由度和20個執行器的Shadow Hand靈巧手還有一定差距。
“一雙手”背后的不同技術路線
“靈巧手一般采用位置控制和力度控制兩種方式。”國地中心市場體系總監楊正葉告訴《IT時報》記者，位置控制是機器人通過計算物品體積或大小，分析手部抓取需要移動到的空間位置，但當計算出現偏差時會導致兩種情況出現：一是將手指掰斷也要到達位置，二是將物體直接抓壞。力量控制則是分析抓取物體需要用多大力量，即使出現偏差，也可以減少甚至避免上述兩種情況的發生。
傳感器是靈巧手控制力度的核心部件。目前，機器人領域使用最多的還是六維力傳感器，隨著MEMS（微機電系統）技術工藝的提升，MEMS壓力傳感器和MEMS慣性傳感器也被逐漸應用在靈巧手上，這是智元機器人采用的技術之一。
國內靈巧手廠商因時機器人則押注“觸覺感知”。8月21日，在世界機器人大會上，因時機器人發布了全新的FTP系列仿人五指靈巧手，在原有內置力傳感器基礎上，為指尖、指腹、手掌部位增加了12個觸覺傳感器模塊，可以讓靈巧手實時獲取5個手指的受力情況和各個接觸面的觸覺信息。
在靈巧手驅動方面，各家也是“各顯神通”。藍胖子機器智能研發總監王濤在《機器人靈巧手的研究及應用》直播課中介紹，靈巧手驅動方式包括電機直線驅動、連桿傳動、肌腱傳動、氣動、液壓等。
目前，智元靈巧手可以實現手指左右擺動，達到張開效果。通過掌心部位驅動組件連接的多個傳動連桿，驅動手指根部部件。而手指彎曲則由齒輪+軸承部件驅動，內置的電位計可以檢測驅動軸的轉動角度，并轉化為電信號反饋給驅動模組，從而控制手指的彎曲角度。
因時機器人官方公眾號文章則介紹，因時機器人打造的靈巧手，內部集成了6個力控微型伺服電缸進行直線驅動，連桿傳動方式可以提升靈巧手抓取強度和精準度。同時，由于因時靈巧手采用了電子皮膚等技術，從外觀上看，它與人手更加相似。
兩種技術路線增速都很快，芯謀數據顯示，預計中國慣性傳感器市場將以10.2%的增速快速增長，至2027年達125.7億元。QY Research 數據顯示，預計2029 年全球機器人觸覺傳感系統市場規模將達到 4.3 億美元。
算力、算法依舊是瓶頸
人形機器人正從實驗室走向產業化，不僅是科技企業的“必爭之地”，也為核心零部件靈巧手帶來需求增量。根據頭豹研究院預測，保守情況下，2030年全球人形機器人靈巧手市場規模為320.6億元，年復合增長率為 81.2%，樂觀情況下達879.7億元，年復合增長率為 109.3%。
盡管需求日益旺盛，但技術與產品仍然面臨諸多挑戰。
王濤介紹，以抓取動作為例，大致可以分為解析法和數據驅動法兩類，解析法是靈巧手通過數學解算、物理計算等方式形成抓取方案，但實際情況是，許多參數無法被準確解析，如抓取摩擦系數、正壓力、接觸點位姿等。因此目前最常用的還是數據驅動法，即通過現有標注好的數據進行訓練學習。
從硬件來看，類似Shadow Hand靈巧手的自由度已經十分接近人手結構，但自主性還不夠，大多動作還是依靠人類遙控操作的方式實現，自主性還未能實現。
“如果每0.1毫米都有一個全面抓取數據，不用傳感器，僅靠算力調動就能完成。”楊正葉也表示，目前人形機器人的抓取功能，是針對某一特定物體或材質進行訓練而實現，想要像人類一樣通過視覺、觸覺等多種感知，判斷不同物體材質，從而決定抓取力度，目前人形機器人還做不到。
盡管將多種感知模態的傳感器集合，可以解決單一傳感器的局限性，并獲得更加豐富的環境信息，但這也意味著需要更多的算法，將不同模態的信息構建為統一的特征表示和關聯關系，同時使用算力進行信息調度使用，這都意味著巨大的成本和投入。
