返回行业情报

ETH Zurich机械手用指尖行走并操作物体

autonomous robotic hand walks on its fingertips like the addams family’s thing

ETH Zurich软体机器人实验室开发出一款仅重818克的自主五指机械手,无需手臂或轮腿,仅靠20个驱动关节的手指交替支撑行走。通过强化学习训练,它能在14种室内外表面移动,跌倒后25次中21次自行站起,还能按压键盘方向键(32次命中29次)并玩推箱子游戏,实现了移动与操作的统一。

深度解读

苏黎世联邦理工学院软体机器人实验室让一只五指的机械手用指尖走路、摔倒后自己爬起来、按键盘甚至玩推箱子游戏,这意味着机器人末端执行器第一次摆脱了机械臂和移动底盘的束缚,成为一个独立的移动操作体。

一只手的独立宣言

这项研究的核心反常识之处在于:它没有给机械手加轮子或腿,而是直接把手指变成了腿。原型基于一只商用拟人手,五指共20个驱动关节(每指4个),研究者在手掌上集成了电池、传感器和计算硬件,使整个无缆机器人重量控制在818克。这个重量意味着它足够轻,可以被其他大型机器人携带并投放,又足够重,能在真实表面上保持稳定。

与其设计另一套机构把手送到目的地,不如直接教会手指自己走过去。

为什么教手走路比教四足机器人难

手和腿的根本区别在于几何对称性。四足机器人的四条腿通常具有相同的长度和运动范围,而五根手指的几何形状、关节活动范围各不相同,手掌本身还带有一个天然倾角。更棘手的是动态平衡问题:当一根手指离地去迈步或操作物体时,剩余四根必须重新分配整只手的重量。研究者用强化学习解决了这个非对称控制问题——先在仿真中训练运动策略,再迁移到物理样机上。

14种表面、21次翻身、29个按键

实验数据揭示了这只手的真实能力边界。它能无缆穿越14种室内外表面,包括地毯、瓷砖、金属格栅、沥青、草地、砾石和风化石材。当被故意侧放时,它在25次试验中成功自行翻正21次。手指还能从运动模式切换到操作模式:在一次实验中,它用部分手指支撑身体,同时用另一部分手指按下键盘方向键,32个目标命中29个。随后它用这项技能完成了推箱子(Sokoban)游戏的关卡。

末端执行器的范式转移

传统机器人操作链是:移动底盘→机械臂→末端执行器(手)。每一级都需要独立的驱动、传感和结构硬件。ETH Zurich的方案把最末端的那一级变成了自移动系统,这意味着上游的机械臂和底盘可以在某些场景中被精简甚至省略。研究者设想的应用场景很具体:大型机器人把手放在狭窄开口或受限工作空间附近,手独立爬进去操作目标,完成后返回被回收。

短板与下一步

当前版本的局限同样明确:机载感知能力有限,运动范围也受限于五指几何。研究者承认需要更好的感知系统来支撑自主导航和更复杂的环境交互。但这项实验的价值不在于它现在能做什么,而在于它重新定义了一个问题——当末端执行器不再需要被"送到"工作位置,机器人系统的设计空间就被打开了。对于一个长期把机械手视为"被携带者"的行业来说,这个视角转换本身可能比任何单项技术指标都更重要。

其
AI前沿软体机器人强化学习机械手ETH Zurich移动操作