日本在线www-日本在线播放一区-日本在线不卡免费视频一区-日本在线不卡视频-成人影院久久久久久影院-成人影院一区二区三区

摘要

該科研成果在對操作精度有極高要求的輔助手術、高精密組裝類工作以及航空航天、應急響應等領域有廣泛的落地場景，并有望推動機器人技術在醫療、工業制造、特殊環境作業等領域的落地應用。

機器手作為人形機器人與外界交互的重要媒介，是機器人功能性的直接體現，需要“人手”參與的工作都是機器手的應用場景，在特定場景(如精密裝配)中展現出超越人類手部的穩定性。2025年6月9日，由北京大學人工智能研究院、北京大學武漢人工智能研究院、北京通用人工智能研究院、北京大學工學院和倫敦瑪麗皇后大學聯合組成的科研團隊在《自然·機器智能》(Nature Machine Intelligence)上發表題為“Embedding high-resolution touch across robotic hands enables adaptive human-like grasping”的論文，標志著該團隊在高分辨率觸覺感知機器手領域取得重要進展。由于其可提供超越人類手部穩定性的操作，該科研成果在對操作精度有極高要求的輔助手術、高精密組裝類工作以及航空航天、應急響應等領域有廣泛的落地場景，并有望推動機器人技術在醫療、工業制造、特殊環境作業等領域的落地應用。

圖1. Nature Machine Intelligence截圖

研究團隊開發的F-TAC Hand(基于全手觸覺的機器人仿生手，Full-hand Tactile-embedded Biomimetic Hand，簡稱F-TAC Hand)是國際首個同時具備全手高分辨率觸覺感知和完整運動能力的機器手系統。
 
　　隨著人類的進化，手部的功能由攀爬轉為使用工具，并逐漸掌握了精準抓握能力。手部既是人類改造自然與外界交互的核心器官，也是智能的核心載體。人的手部具有結構高度復雜、功能極為精密的特點，手部由27塊骨骼和34塊肌肉組成，提供了24個自由度的靈活性，對人類手部功能的研究是具身智能與機器人學科研的前沿領域。
 
　　在以往的研究中，觸覺反饋與運動能力的整合被認為是機器人研究領域中的關鍵挑戰之一。F-TAC Hand通過傳感器與結構一體化設計成功突破了這一瓶頸。首先，從硬件角度來看，如何避免觸覺傳感器的引入對機器人的運動靈活性造成影響是第一個難題，同時當前的觸覺傳感技術在覆蓋率、分辨率和耐久性等方面仍難以滿足實際應用需求。其次，即便獲得了具備高分辨率觸覺感知能力的機器手，如何高效地處理大量的觸覺數據，并以此驅動每個關節協同運動，使其在高自由度空間中像人一樣完成復雜的任務，依然是一個亟待解決的難題。
 
　　聯合科研團隊取得的成果是首次在保持完整運動能力的前提下，實現了機器手掌表面70%區域的高分辨率觸覺覆蓋，使機器人能夠像人類一樣通過觸覺反饋進行精確操作和適應性抓取。
 
　　目前主流的機器手或抓取器由于缺乏豐富的觸覺反饋，難以應對動態環境中的復雜操作任務。人類手部的靈活性和適應性很大程度上依賴于其密集的觸覺傳感能力，能夠精確感知并調整抓握過程——例如在抓取裝滿水的杯子與空杯子時，人類會自然地調整抓握位置、角度和力度。然而在機器人領域，如何在不影響運動功能的前提下實現全手觸覺覆蓋一直是個技術難題(圖2)。
 
　　針對這一挑戰，研究團隊開發的F-TAC Hand在高分辨率觸覺傳感方面取得突破。其觸覺傳感器覆蓋了手掌表面70%的區域，空間分辨率達0.1毫米(相當于每平方厘米約10,000個觸覺像素)，遠超商用機器手的感知能力。
 

圖2. F-TAC Hand與人手比較

 
　　F-TAC Hand的設計靈感來源于人類手部的生物結構，其觸覺系統模擬了人類手部的兩大關鍵要素：遍布皮膚的密集觸覺傳感器陣列和高效處理海量感覺輸入的神經機制。研究團隊通過將17個高分辨率觸覺傳感器以6種不同配置集成在一起，并巧妙地將傳感器同時作為感知元件和結構部件，在不影響靈活性的情況下實現了前所未有的觸覺覆蓋范圍。這種仿生設計使F-TAC Hand能夠像人類手掌一樣，在抓取過程中實時感知接觸變化并快速調整，從而顯著提升了機器人在不確定環境中的操作穩定性。
 
　　針對機器手高度關節靈活性帶來的控制挑戰，研究團隊開發了一種基于概率模型的智能算法，能夠生成涵蓋人類19種常見抓取類型的多樣化策略。在實現多物體同時抓取這一靈巧性關鍵測試中，F-TAC Hand展現出卓越的適應性智能機制。與簡單的雙指夾持單一物體不同，該系統通過精確的全手接觸檢測和動態運動策略調整，實現了對多個物體的精準穩定抓取。這種智能控制架構有效解決了復雜抓取場景下的操作難題。
 
　　在現實環境中執行多物體序列抓取任務出現較大執行誤差，無法繼續執行后續抓取時，F-TAC Hand能夠在約100毫秒內通過觸覺反饋感知到這一情況并快速切換至替代策略，確保任務完成。為驗證這一技術的實際效果，研究團隊在600次真實世界實驗中評估了F-TAC Hand的多物體抓取能力。結果表明，相比沒有觸覺反饋的系統，F-TAC Hand在面臨執行誤差和物體碰撞風險時表現出顯著的適應性優勢，平均成功率從53.5%提升至了100%。這種基于觸覺的閉環反饋機制，使F-TAC Hand能夠像人類一樣，在不確定環境中保持高效靈活的操作能力，這對機器人在家庭、醫療和工業環境中的實際應用至關重要。
 
　　論文共同第一作者為北京大學人工智能研究院博士生趙秭杭、李宇飏，北京通用人工智能研究院研究員李皖林、劉騰宇，通訊作者為北京大學人工智能研究院助理教授朱毅鑫、北京通用人工智能研究院研究員劉航欣和倫敦瑪麗王后大學教授Kaspar Althoefer，合作作者包括北京大學人工智能研究院教授朱松純、副研究員杜凱，北京大學工學院教授王啟寧，北京通用人工智能研究院研究員李博韌和王濛。
 
　　該研究工作得到了科技部2030重點研發計劃、國家自然科學基金面上項目、北京市科技新星計劃交叉課題的資助，并在武漢東湖高新區國家智能社會治理實驗綜合基地的支持下完成了相關工作。

來源：儀表網