人形機器人是卡在“靈巧手”上面嗎?

芝能科技出品

馬斯克曾宣稱,特斯拉人形機器人optimus將成為“史上最重要的產品”,但現在似乎暫時止步在一隻“手”上。

靈巧手是連接機器人智能與物理世界的關鍵部件,正成為全球機器人產業最難攻克的技術堡壘。

從特斯拉推遲optimus 3.0的定型,靈巧手的瓶頸或許能讓大家對人形機器人更冷靜一些,在工程與商業之間還有不少平衡難題。

人形機器人是卡在“靈巧手”上面嗎? -

01

當“手”成為瓶頸特斯拉

第三代optimus的研發延遲,再次印證了人形機器人的難度不光在算法和數據層面。

在工程領域也有很多問題,根據供應鏈信息,optimus的靈巧手已經確定技術路線,但仍面臨散熱、耐久性與成本幾個難題。單只手成本高達6000美元,壽命僅六周,在工業應用場景中,光是維護費用一年就接近10萬美元。

靈巧手產業的根本挑戰是複雜性與可靠性的衝突。

人形機器人是卡在“靈巧手”上面嗎? -

靈巧手是人形機器人最核心的交互器官。人類手部由27塊骨骼、29個關節與34條肌肉構成,能完成上千種動作。要在機械結構中重現這一靈活性,需要在數百立方厘米的空間里集成電機、絲杠、齒輪、腱繩和傳感器。

特斯拉的做法是在二代基礎上,將執行器數量從17個提升到22個,並在手掌區域加入電子皮膚傳感器,以期實現更高的靈活性和感知能力,複雜度的提升帶來了散熱、控制、疲勞壽命等一系列連鎖問題。

在試驗中,optimus靈巧手在分揀快遞等任務中頻繁失效。驅動手指的腱繩老化斷裂,柔性電子皮膚在觸碰物體時快速磨損,導致機器人必須頻繁更換部件。

工程師們甚至求助於外科醫生,研究人手的肌肉發力機制,希望找到兼顧力量與柔韌性的設計平衡。但迄今為止,這一問題仍未解決。

從更廣的產業角度看,特斯拉的困境並非孤例。靈巧手的高複雜性與低壽命幾乎是全球同行面臨的普遍難題。

無論是美國的figure ai,還是國內的優必選、傅里葉智能、強腦科技,都在探索類似的傳動與感知方案,卻始終難以兼顧靈活性與耐用性。靈巧手的平均壽命目前普遍在1000至2000小時之間,遠低於工業級機器人的標準。

即便如此,靈巧手仍然是人形機器人走向商用的必經之路,決定了機器人“能否工作”,更關乎“能做什麼工作”。沒有足夠靈活、可靠的手,人形機器人只能停留在演示與實驗室階段,而無法真正走進工廠、倉庫甚至家庭。

02

技術路線的分歧與融合:

靈巧手的未來形態

2025年智能機器人與系統國際會議上,靈巧手成為絕對焦點,從上游傳動廠到下游整機製造商,超過半數展台展示了自己的靈巧手產品,靈巧手的商業化窗口期正在臨近,但技術路線仍未統一。

靈巧手的傳動機制主要分為三類:直驅(連桿或齒輪)、繩驅(腱繩)、以及混合方案。

每一種路線,都體現了工程師們在“剛性”與“柔性”之間尋找平衡的不同選擇。

人形機器人是卡在“靈巧手”上面嗎? -

◎ 直驅方案以連桿或齒輪為主,優勢在於結構簡單、控制精準、可靠性高。例如,舞肌(wuji)推出的wuji hand採用連桿驅動,20個全主動自由度,重量僅600克,幾乎等同於人手。
這種方案剛性強、製造成本可控,適合工業場景的高頻重複操作。但其靈活性受限,難以實現如人手般的細膩動作。

◎ 腱繩驅動路線是通過模仿人類手指的肌腱系統,將動力源(電機)設置在手臂或手腕,利用細腱傳遞拉力驅動手指。這種設計輕盈柔軟,能最大限度復現人手的靈巧度。
新加坡sharpa公司的靈巧手sharpawave採用22個自由度的腱繩傳動,並在指尖集成動態觸覺陣列傳感器(dta),可以識別微小的滑動與壓力變化,從而精細控制抓取力。
sharpa的靈巧手能夠完成“抽牌”“遞物”等高精度操作,展現出近乎人類的控制感。但腱繩方案的缺陷同樣明顯——維護成本高、控制精度受限、壽命短。

◎ 越來越多廠商選擇“混合方案”。
特斯拉、figure ai等公司均在探索直驅與繩驅結合的路線:關鍵關節採用剛性齒輪或連桿驅動以提升穩定性,手指部分採用腱繩傳動以增強靈活性,“剛柔並濟”的設計有望在靈活度、穩定性與成本之間取得折中。然而,它的工程複雜度更高,對機械排布與算法協同的要求極為嚴苛。

從技術趨勢來看,靈巧手的演進方向正逐步明確:

 ◎ 一是小型化與高集成度。通過高密度執行器、集成傳感器和柔性電路,提升單位體積內的自由度與控制精度。

 ◎ 二是多模態感知融合。在視覺之外,力覺、觸覺和溫度感知的融合將使靈巧手具備更高的自適應能力。

 ◎ 三是材料創新與新型驅動。從柔性電子皮膚到液態金屬與人工肌肉,材料技術正為靈巧手帶來新的可能性。

對特斯拉而言必須讓靈巧手從“展示品”變成“工業部件”。當成本降至千美元級、壽命達到上萬小時、維修方式標準化時,靈巧手才能支撐起optimus百萬台的願景,目標的實現可能仍需數年工程迭代。

小結

靈巧手的研發是讓機器模仿人手的動作,更是讓機器具備與世界互動的能力,也是機器人對物理世界的理解深度——如何施力、如何感知、如何糾錯,我們可能需要持續再看看。

分享你的喜愛