从机械手到 Physical AI：全球机器人灵巧手技术路线综述
过去几年，人形机器人的竞争重点主要是“能不能站稳、走路和跑步”。但随着双足运动控制逐渐成熟，产业界越来越发现，真正决定机器人能否进入工厂、仓库和家庭的关键，正在从“腿”转向“手”。
机器人走到工作台前并不算太难，真正困难的是拿起螺丝、插接头、整理线缆、使用工具、抓取柔软物体，甚至仅凭触觉判断物体是否滑动。
因此，灵巧手正在成为 Physical AI 最关键的硬件之一。
但当前行业讨论灵巧手时经常把“自由度”“腱绳”“触觉”“强化学习”“五指结构”等概念混在一起。实际上，灵巧手应该从三个不同层面理解：
第一层：机械结构——手到底怎么动；
第二层：感知系统——手怎么知道自己碰到了什么；
第三层：智能控制——机器人怎么学会使用这只手。
一、第一层：机械结构路线——手到底怎么动
从机械设计角度看，目前全球灵巧手大体可以分成三条主要路线。
路线一：高自由度、全驱动灵巧手
这是最接近人手的一种设计。
基本思路是：
一个关节对应一个执行器或独立控制通道。
人的手拥有大量可以独立运动的关节，因此这种路线通常追求十几个甚至二十多个主动自由度。
它的最大优势是：
手指能够真正独立运动。
机器人不仅能够抓取，还可以完成：
捏、旋转、拨动、侧向夹持、调整物体姿态等复杂动作。
这类灵巧手特别适合所谓的“手内操作”，也就是物体已经抓在手中以后，机器人仍然可以利用手指改变它的位置和方向。
典型代表包括：
Shadow Dexterous Hand、Unitree Dex5-1、Wuji Hand，以及部分 Allegro Hand 产品。
其中 Shadow Robot 是这一领域最经典的研究平台之一。
这类路线的问题同样非常明显：
自由度越多，就意味着电机越多、传感器越多、控制变量越多。
随之而来的问题包括：
重量增加、功耗增加、成本增加、控制复杂度上升。
因此，高自由度并不等于一定更加实用。
路线二：腱绳驱动——把“肌肉”放到前臂
第二条路线同样追求高自由度，但机械布局完全不同。
它采用一种非常接近人体结构的设计：
电机安装在手掌之外，通过绳索或者类似肌腱的结构拉动手指。
人体实际上就是这种结构。
人的手指内部并没有装满肌肉，相当一部分控制手指运动的肌肉位于前臂，通过肌腱驱动手指。
机器人也可以采用类似设计：
前臂执行器
↓
腱绳
↓
手指关节
这种结构最大的优势是：
可以显著减轻手掌重量。
如果把二十多个电机都塞进机器人手掌，手会非常笨重。
而机器人末端越重，手腕和手臂需要承担的负载越大，快速操作就越困难。
因此，把驱动器移到前臂实际上是在解决一个非常典型的灵巧手矛盾：
自由度越高，需要的电机越多；
电机越多，手又越重。
Tesla Optimus 就是目前这条路线最值得关注的代表之一。
Tesla 新一代 Optimus 手部采用高自由度五指结构，并把大量执行器集中在前臂，再通过控制缆索驱动手指。
它的思路并不是简单追求更多关节，而是希望同时解决：
高自由度、轻量化和规模化制造。
Shadow Robot 也长期采用腱绳驱动。
因此可以看到：
Tesla 与 Shadow 在机械传动思想上存在相似性，但产品目标完全不同。
Shadow 更偏向科研和极限灵巧性；
Tesla 更强调与人形机器人整机结合以及未来的大规模生产。
路线三：欠驱动与柔顺设计
第三条路线与前两种思路明显不同。
它并不追求每一个关节都独立控制。
核心思想是：
不需要精确控制所有手指关节，而是让机械结构自己适应物体。
这就是所谓的：
欠驱动。
例如一只手可能拥有十几个关节，但实际上只需要几个电机。
电机拉动机械结构后，手指会根据被抓物体的形状自动改变姿态。
意大利 qbrobotics 的 SoftHand 就是这条路线的典型代表。
这种设计可以理解成：
把一部分“智能”放进机械结构里。
机器人抓一个杯子时，不需要提前计算每根手指应该弯曲多少角度。
手接触杯子以后，柔顺结构会自然贴合杯子表面。
优点非常明显：
结构简单、重量低、抗冲击、控制容易。
而且在很多工业抓取场景中，实际上非常实用。
缺点同样明显：
因为很多关节不能完全独立控制，因此在精密操作方面通常不如全驱动灵巧手。
例如：
旋转一颗小螺丝、摆弄钥匙、操作非常小的连接器，
就可能比较困难。
因此未来机器人并不会全部采用二十多个主动自由度的五指手。
更可能形成长期并存：
两指夹爪
三指手
欠驱动五指手
高自由度五指手
不同任务选择不同结构。
二、第二层：从“会动”到“有感觉”
机械结构只解决一个问题：
手能不能运动。
但真正灵巧的机器人还必须解决第二个问题：
机器人知不知道自己正在碰什么。
这就是触觉。
早期机器人主要依靠视觉。
摄像头告诉机器人：
“杯子在那里。”
但是当机器人真正抓住杯子以后，还需要知道：
有没有碰到？
抓力够不够？
杯子是否正在滑动？
有没有夹得过紧？
这些问题仅靠视觉并不好解决。
因此当前高端灵巧手正在快速加入触觉传感器。
第一阶段：简单接触和压力感知
最基础的触觉系统，只需要回答：
碰到了没有，以及压力有多大。
这已经可以显著改善抓取。
例如 Unitree Dex5-1 等新一代灵巧手，开始在手指表面布置大量压力感知点。
机器人不仅知道手指已经接触物体，还能够判断不同区域承担了多少力量。
第二阶段：高密度触觉
下一步的发展是：
一根手指本身就像一块高分辨率触觉相机。
它不仅能够检测压力，还可以判断：
接触位置、接触面积、剪切力以及物体是否正在滑动。
Meta 推出的 Digit 系列人工指尖就是这种路线的重要代表。
这种技术的意义非常类似摄像头从几个像素发展到高分辨率图像。
未来机器人可能不再只是知道：
“食指碰到了东西。”
而是可以获得一张“触觉图像”。
第三阶段：视觉与触觉融合
更进一步的路线，是在机器人手内部直接加入摄像头。
例如 Figure、PaXini 等方案已经开始采用：
掌内视觉＋手指触觉。
为什么要把摄像头装到手上？
因为机器人把手伸进柜子、箱子或者机器内部以后，头部摄像头经常会被手臂挡住。
此时：
头部摄像头负责大范围定位；
掌内摄像头负责近距离观察；
手指触觉负责最后的接触判断。
最终形成：
视觉负责“看”，
触觉负责“摸”。
这很可能成为下一代高级灵巧手的标准架构。
三、第三层：控制路线——机器人怎样学会“用手”
一只拥有20个自由度的灵巧手，机械结构可能已经非常接近人手。
但问题随之而来：
20个关节到底应该怎么同时运动？
传统机器人主要采用程序控制。
工程师提前告诉机器人：
第一关节转多少度；
第二关节转多少度；
什么时候闭合手指。
对于固定生产线，这种方法很好。
但进入家庭或者复杂工业现场以后，这种方式很快失效。
因为真实世界里几乎没有两个物体完全相同。
因此灵巧手控制正在发生一次非常重要的变化：
从“编程控制”转向“学习控制”。
第一阶段：遥操作采集数据
机器人首先模仿人。
操作人员可以使用：
数据手套、VR设备、动作捕捉设备，
控制机器人完成任务。
例如：
拿杯子、拧瓶盖、插接插件。
机器人同步记录：
摄像头图像
关节角度
手指位置
电机力矩
触觉数据
最终任务结果
这些数据成为机器人学习的训练数据。
第二阶段：模仿学习
机器人学习大量人类操作数据以后，可以开始自己完成类似任务。
这就是模仿学习。
简单理解：
人先做很多遍，机器人从数据里学习。
但真实世界中的情况太多，因此仅靠模仿学习仍然不够。
第三阶段：强化学习和仿真
机器人还可以进入虚拟环境进行大量训练。
例如：
MuJoCo、Isaac Sim 等仿真平台。
在现实世界中训练一百万次可能需要几个月。
但在虚拟环境中，可以同时运行成千上万个机器人。
机器人不断尝试：
抓取、旋转、插入、调整抓力。
失败以后再次尝试。
最终通过强化学习获得更加稳定的动作策略。
第四阶段：机器人基础模型
目前更前沿的方向，是把灵巧手直接连接到机器人基础模型。
这类模型不再只控制：
“某根手指应该转多少度。”
而是理解一个更高级的任务：
“把插头插进去。”
然后模型自己完成：
识别插头；
规划手臂路径；
决定抓取位置；
控制手指；
检测接触；
调整抓力；
完成插入。
Google DeepMind、NVIDIA、Figure 等公司目前都在朝这个方向发展。
这也是 Physical AI 真正重要的地方。
四、各厂商技术路线比较
经过上述分类，全球主要灵巧手方案就可以清晰定位。
| 企业/产品 | 机械路线 | 感知路线 | 主要定位 |
|---|---|---|---|
| Shadow Hand | 高自由度＋腱驱动 | 多传感器 | 科研、高灵巧操作 |
| Tesla Optimus Hand | 高自由度＋前臂腱驱 | 触觉 | 人形机器人＋规模化制造 |
| Unitree Dex5-1 | 高自由度 | 高密度触觉＋可反驱 | 人形机器人与学习控制 |
| Wuji Hand | 高自由度独立驱动 | 力控/触觉扩展 | 高自由度通用平台 |
| qbrobotics SoftHand | 欠驱动＋柔顺 | 接触/力控 | 简单、可靠、自适应抓取 |
| Allegro Hand | 高自由度 | 压力/触觉 | 科研与机器人学习 |
| PaXini | 高自由度 | 高密度触觉＋掌内视觉 | 触觉智能 |
| Figure Hand | 高自由度整机设计 | 指尖触觉＋掌内视觉 | AI与硬件一体化 |
| 1X NEO Hand | 腱驱＋低减速比 | 触觉＋力透明 | 家庭机器人自然操作 |
这样来看就会发现：
这些公司实际上并不是在一条直线上竞争。
它们是在不同维度做选择。
五、Tesla 为什么值得单独关注
Tesla Optimus 的灵巧手尤其值得关注，不是因为它单纯拥有更多自由度。
而是因为它同时解决三个问题：
高自由度、轻量化、量产。
Tesla 把大量驱动机构放入前臂，通过腱绳驱动手指。
这与人体结构高度相似。
其工程目标非常明确：
手掌尽可能轻，驱动能力尽可能强。
这对于人形机器人非常重要。
因为人形机器人每天可能需要完成成千上万次：
抓取、搬运、旋转、按压、使用工具。
如果手过重，不但增加能耗，还会降低整个手臂的动态性能。
Tesla 与 Shadow Robot 等科研灵巧手最大的区别，也正是在这里：
Shadow 的目标是：
最大程度探索机器人灵巧操作能力。
Tesla 的目标则是：
能不能把这种灵巧手真正做成百万级工业产品。
后者可能更加困难。
六、未来真正竞争的不是“谁自由度最多”
目前很多灵巧手宣传仍然强调：
16自由度、20自由度、22自由度。
但未来这个指标的重要性可能会下降。
因为当主动自由度达到一定水平以后，真正决定机器人能力的是：
触觉质量、力控、机械可靠性以及AI控制能力。
一只20自由度的手，如果没有触觉，机器人仍然不知道自己是否抓牢物体。
一只拥有高精度触觉的手，如果机械结构容易损坏，也无法真正进入工厂。
因此真正优秀的灵巧手应该同时具备：
足够的自由度
轻量化
触觉感知
柔顺控制
可反驱
高可靠性
低成本
AI接口
七、灵巧手最大的产业化难题
今天机器人做出一次复杂手部动作已经不是最困难的问题。
真正困难的是：
一天做一万次，一年做几百万次以后还能不能正常工作？
灵巧手可能是人形机器人中最容易磨损的部件之一。
因为它需要频繁：
摩擦、碰撞、弯曲、接触物体。
腱绳可能拉伸；
齿轮可能磨损；
传感器可能漂移；
柔性表皮可能损坏。
所以未来灵巧手真正的大规模应用，很可能不是首先比谁的动作最漂亮，而是比：
寿命、维护成本和单次操作成本。
这也是 Tesla 等整机厂商特别强调工程化和制造能力的原因。
八、未来技术路线正在收敛
尽管今天灵巧手看起来方案很多，但从整体趋势来看，技术路线实际上正在逐渐收敛。
未来高端通用灵巧手很可能形成这样的典型架构：
五指仿人结构
＋
15—25个左右主动自由度
＋
轻量化驱动
＋
触觉传感器
＋
可反驱和柔顺控制
＋
掌内视觉
＋
机器人基础模型
其中驱动方式仍然可能存在两种主要方向：
一种是：
电机直接或者通过减速器安装在手内。
另一种就是 Tesla、Shadow 等代表的：
驱动器放在前臂，通过腱绳传动。
而对于成本敏感、抓取任务较简单的机器人，则会继续大量使用：
欠驱动和柔顺手。
因此未来不会出现“一种灵巧手统治所有机器人”。
九、真正值得关注的是“手—触觉—AI”闭环
未来机器人手最重要的变化，是它不再只是一个执行器。
它还会成为：
真实世界数据采集设备。
机器人每完成一次抓取，都会产生：
视觉数据；
触觉数据；
关节运动数据；
力矩数据；
成功或失败结果。
这些数据重新进入模型训练。
形成：
机器人操作
↓
获得真实世界数据
↓
训练Physical AI模型
↓
模型能力提升
↓
完成更复杂操作
↓
获得更多数据
这是一个非常重要的闭环。
十、结论：机器人竞争正在从“会走”进入“会用手”
过去的人形机器人竞争主要解决一个问题：
如何让机器人像人一样移动。
现在产业正在进入下一阶段：
如何让机器人像人一样操作物理世界。
因此灵巧手的重要性正在迅速提高。
从全球技术路线来看，可以把未来灵巧手简单概括为三个层面：
机械层：从夹爪走向高自由度、腱驱和柔顺结构；
感知层：从只有视觉走向视觉＋触觉＋力觉；
智能层：从编程控制走向模仿学习、强化学习和机器人基础模型。
Tesla、Figure、1X、Shadow Robot、Unitree、Wuji、PaXini 等企业虽然采用不同机械结构，但最终方向高度一致：
机器人手不再只是机械末端，而正在成为 Physical AI 与现实世界直接交互的接口。
未来真正领先的企业，未必是自由度最多的公司。
更可能是能够建立完整闭环的公司：
灵巧手
＋
触觉
＋
遥操作数据
＋
仿真训练
＋
机器人基础模型
＋
真实应用场景。
如果说大语言模型解决的是：
AI如何理解数字世界，
那么灵巧手正在解决的则是：
AI如何真正改变物理世界。
这也是为什么未来几年，机器人产业的竞争很可能会从“会走之战”，真正进入一场更困难的——
“会用手之战”。