机器人的最后一公里，灵巧手技术挑战与六大门派探讨

本文主要探讨了机器人的“最后一公里”问题，聚焦于灵巧手所面临的“不可能三角”挑战，即实现抓取、操作和交互三大功能的难题，文章还介绍了六大技术门派在解决这一问题上的不同策略和方法，这些技术包括传感器技术、人工智能算法等，共同推动着机器人技术的不断进步。

文｜硅谷101

大家觉得让机器人学会走路难，还是让它学会打开一听可乐难？我猜大部分人都会说走路难吧，毕竟人类花了几百万年才学会直立行走，波士顿动力的机器人摔了无数次才学会后空翻。

但我最近在调查的时候，才发现一个完全颠覆我认知的事实：在机器人世界里，开可乐这件事比走路可难太多了！也就是说，控制灵巧手要比控制躯体难上至少十倍，而从目前的售价对比上我们也能感受到：中国Unitree G1人形机器人（会走路）：1.6万美元；

波士顿动力Atlas机器人（会后空翻）：预估14万美元；

英国Shadow Robot的灵巧手（会拧瓶盖）：价格未公开，但业内估计超过10万美元

也就是说：一只手的价格接近一个完整的顶级机器人！这是什么概念？这好比一个方向盘的价格接近整辆特斯拉。所以机器人的灵巧手为什么难做？目前技术发展到什么阶段了？业内的技术派系有哪些、有什么值得关注的公司？

今天我们就来聊聊，这个让全世界顶级机器人工程师都头疼的终极难题——机器人灵巧手。以及我们与特斯拉前灵巧手负责人创业的团队TetherIA一起聊聊，一个300多美元的“Android版机器人灵巧手”如何试图颠覆这个被垄断了30年的高端市场。

01 机器人的“最后一公里”

为什么我们能看到机器人在工厂里分拣产品，在仓库里搬运货物，但却很少看到它们能像人一样灵活地拧开可乐瓶盖，或者精准地拿起一颗螺丝钉？答案就在于：手的复杂性远超我们的想象。

人类的手有27个自由度，包含27块骨头、29个关节、34块肌肉，以及数不清的神经末梢——这是一个经过了数百万年进化的“精密仪器”。更神奇的是，这个“仪器”让我们能够既有力量握紧工具，又有精度穿针引线。这样的能力造就了人类文明，但对机器人来说，要复刻这样的能力，就非常有挑战了。

Xu Dong

TetherIA联合创始人兼CTO

大家看一下人手的构造，就会发现其实人手非常灵活，里面关节非常多。我们以大拇指举例：大拇指从上往下，有IP joint（拇指指间关节）、MCP joint（拇指掌指关节），这两个关节都可以实现屈伸和弯曲。再往下的关节叫CMC joint（拇指腕掌关节），这个关节就明显灵活很多，可以做侧摆动作，也可以做弯曲和伸直动作，甚至还能原地旋转。而且它的运动范围非常大。你会看到，关节之间的连接非常小，这就是为什么人手既能灵活，又能保持非常小的体积的原因。

而这，就是机器人工程师们面临的终极挑战——机器人灵巧手，英文叫Dexterous Hand，在机器人学里，它专门指高度仿人、具有多自由度、能够完成精细操作的机器人手。它能够模拟人手的抓取、操作和感知功能。那什么样的机器人手才能称得上“灵巧”？

第一，它得有足够多的“关节”。我们人手有27个自由度，而机器人灵巧手通常需要6个以上，高端产品能达到20-27个。这就像是给机器人装上了真正能“动手指”的手。

第二，它得有“绣花”般的精细控制。我们说的是毫米级甚至更精细的操作——想象一下用机器人手穿针引线，或者像我们一会儿要看到的那样，精准抓取只有5毫米的M5螺丝钉。

第三，它得有“触觉”。不只是能看到，还要能“感受”。触觉传感器、力觉传感器、位置传感器等等，就像给机器人装上了神经系统，让它知道抓得是轻是重，是软是硬。

第四，它得会“察言观色”。遇到圆的就用一种抓法，遇到方的就换另一种。看到玻璃杯就轻拿轻放，看到铁块就可以用力一些。这就是自适应抓取的能力。

最后，它得长得像人手。人类世界的所有工具都是为人手设计的。如果机器人能够模仿人手的结构、功能和配置，它们就能快速且经济高效地应用，而无需改变我们的环境。

如果我们看看历史会发现，灵巧手从有这个概念，到现在逐步趋向成熟，已经走过了40多年的历程。

1980年代：开山之作

Stanford/JPL Hand开创了灵巧手的先河，3根“人形”手指，每根三个关节，配备触觉/力反馈。但它更像是证明“这事儿能做”的概念机。

1990-2000年代：百家争鸣到夹爪称王

Utah/MIT Hand、DLR Hand等各显神通，技术路线百花齐放，但都停留在实验室：能演示，但离实用还差十万八千里。

就在灵巧手还在实验室“纸上谈兵”时，简单粗暴的两指夹爪已经占领了工厂。虽然只能“抓”和“放”，但便宜、稳定、够用。这就像是功能机时代——虽然简陋，但解决了核心需求。

2000-2010年代：商业化破冰

Shadow Robot、Allegro Hand等陆续商业化，价格高达数万美元，主要服务科研机构。这个阶段就像早期个人电脑——功能有了，但普通人买不起。

2020年代：巨头入场

特斯拉入局改变游戏规则。马斯克不只要做灵巧手，还要规模化生产。同时，GPT等AI大模型的突破为机器人控制打开了新世界的大门。

2025年：转折点

特斯拉22个自由度的新手、TetherIA的300美元开源革命、各路开源项目涌现。灵巧手即将迎来“智能手机时刻”——从极客玩具变成人人可得的工具。

然而，灵巧手虽然迎来了巨大的突破，但还是有很多的难点。这个难点并不仅仅在技术上的突破，更重要的是要兼顾性能，成本还有可靠性，这就成了一个“不可能三角”。

02 灵巧手的“不可能三角”：性能、成本、可靠性

在现场调查中，我才知道一个可能会颠覆很多人认知的观点：灵巧手的控制比整机控制要难10倍！

在TetherIA位于硅谷的办公室，我见到了他们一路以来设计的各种迭代版本，以及他们刚发布上线的这款开源的灵巧手产品Aero Hand Open。

在我自己真正上手尝试去控制灵巧手之前，我都非常不理解，一个完整的人形机器人要平衡、要走路、要导航，怎么可能比一只手还简单呢？但当我自己尝试去控制这只手的时候，发现真是没那么容易。

Xu Dong

TetherIA联合创始人兼CTO

我们觉得这个难点其实是多方面的。因为机器人是一个复杂的系统，现在大家比较关注的是AI控制的层面，主要是VLA模型（Vision-Language-Action 视觉-语言-动作）的泛化能力，这毫无疑问是一个很大的难点。

另外，我们觉得从整个整机系统角度来说，这个手的硬件本身也是很大的一个卡点。人手是非常灵巧的，它的相对尺寸很小，每个关节都很灵活，手指又非常纤细，还能做到速度和力量之间的平衡，并且特别经久耐用。

我们人类主要是靠双手和外界进行接触，但在传统的机器人里，更多的是避免机器人和外界接触，因为一旦接触就是碰撞，对机器人就有损伤，而手恰恰需要和外界接触，所以综合起来，这些都是硬件上的难点。

除了硬件和控制的难点，其实还有很多更不为外行所知的地方。比如，你在控制的同时，希望能够让human-in-the-loop（人机回圈），让人在其中对机器人产生影响和作用，这就牵扯到遥操系统，以及开发过程当中的仿真系统，以及背后整个体系。其实都有很多的困难。

我在操作的过程中感觉到视觉与力量的协作，是非常关键的。由于我是完全感知不到触感和力度，我抓握的完全是空气，只能凭借我的眼睛观察灵巧手与物体的接触反馈来及时调整。这就很像软件驱动灵巧手的过程。

我们知道，人类的抓握过程依赖于神经系统、肌肉控制和多模态感知。

人类抓握力的调整分为两个闭环控制：第一是前馈控制（Feedforward Control），也就是大脑基于视觉和经验，在抓取前预测所需力量。例如，看见一瓶水时，大脑会预估重量，先设定一个初始抓力。

第二个阶段是反馈控制（Feedback Control），在手指接触物体后，实时通过触觉和滑动信息进行调整。如果物体开始滑动，神经系统将在