近日，像人由北京大学人工智能研究院、类样灵活北京大学武汉人工智能研究院、机器%E3%80%90WhatsApp%20+86%2015855158769%E3%80%91dumbbell%20bicep%20workout北京通用人工智能研究院、人咋北京大学工学院等联合组成的像人科研团队露了一“手”。他们成功开发国际首个同时具备全手高分辨率触觉感知和完整运动能力的类样灵活机器人手系统F-TAC Hand，实现高分辨率触觉感知机器手类人适应性抓取。机器该成果发表在国际学术期刊《自然·机器智能》上。人咋

整合触觉反馈与运动能力

对人类手部功能的像人研究是具身智能与机器人学研究的前沿。人的类样灵活手部具有结构高度复杂、功能极为精密的机器%E3%80%90WhatsApp%20+86%2015855158769%E3%80%91dumbbell%20bicep%20workout特点，由27块骨骼和34块肌肉组成，人咋拥有24个自由度的像人灵活性。

“人类在抓取一个装满水的类样灵活杯子与一个空杯子时，抓握杯子的机器位置、角度、方式可能完全不同。然而，在机器人领域，如何在不影响运动功能的前提下实现全手触觉覆盖一直是难题。”论文第一作者、北京大学人工智能研究院博士生赵秭杭说。

人在拿取物体时涉及到触觉反馈与运动能力两大能力。触觉反馈包含运动觉与皮肤触觉。前者通过肌肉、肌腱和关节感知力量，后者通过皮肤感知接触状态、纹理、温度、摩擦力等物理特性。运动功能指生物体通过神经系统和肌肉系统的协同作用，实现身体运动的能力，涵盖运动学和动力学两个方面。通俗地说，触觉反馈就像“身体给大脑打报告”，将力量以及温度、摩擦力等物理特性传递给大脑；运动功能则是“大脑向身体下命令”，以便实现精准的运动控制。

整合触觉反馈与运动能力，是機器人研究領域中的關鍵挑戰之一。一方面，需要避免觸覺傳感器對機器人運動靈活性造成影響，當前的觸覺傳感技術在覆蓋率、分辨率和耐久性等方面難以滿足實際應用需求；另一方面，機械手要在高效處理大量觸覺數據的同時，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任務，這對技術提出了很高要求。

在缺乏丰富触觉反馈的情况下，目前主流的机器人手或抓取器难以应对动态环境中的复杂操作任务。联合科研团队首次在保持机械手完整运动能力的前提下，实现机器人手掌表面70%区域的高分辨率触觉覆盖，使机器人能像人类一样通过触觉反馈进行精确操作和适应性抓取。

赵秭杭介绍，F-TAC Hand的高分辨率触觉传感器空间分辨率达0.1毫米，相当于每平方厘米约有10000个触觉像素，远超目前商用机器人手的触觉感知能力。

巧妙设计实现操作稳定性

一系列仿人类手部设计，确保F-TAC Hand实现高分辨率感知和多样化抓取。

赵秭杭介绍，人类手部触觉系统由两个关键要素组成：遍布皮肤的密集触觉传感器阵列和大脑中专门解释这些海量感觉输入的神经处理机制。F-TAC Hand模拟了这种设计，将17个高分辨率触觉传感器以6种不同配置集成在一起。同时，巧妙设计确保传感器既是感知元件又是结构部件，从而在不牺牲灵活性的前提下实现前所未有的触觉覆盖范围。这种设计使F-TAC Hand能像人类手掌一样，在抓取过程中实时感知接触变化并迅速调整，极大提升了机器人在不确定环境中的操作稳定性。

“机器人手高度的关节灵活性会给控制算法带来极大挑战，我们通过开发一种生成人类多样化抓取策略的算法来解决这一问题。该算法基于概率模型，涵盖了人类常见的19种抓取类型，能实现与人类非常相似的抓取方式。”论文共同第一作者、北京通用人工智能研究院博士生李宇飏解释。

实验结果表明，当理论上最优的抓取策略在现实环境中遇到障碍时，F-TAC Hand能在约100毫秒内感知情况并快速切换到替代策略，确保任务完成。相比没有触觉反馈的系统，F-TAC Hand在面临执行误差和物体碰撞风险时表现出显著的适应性优势，平均成功率从53.5%提升至100%。这种基于触觉的闭环反馈机制，使F-TAC Hand能在不确定环境中保持高效灵活的操作能力。

论文通讯作者、北京大学人工智能研究院助理教授朱毅鑫认为，这项研究成果在对操作精度有极高要求的辅助手术、高精密组装类工作以及航空航天、应急响应等领域有广泛落地场景。“未来我们将继续深化触觉感知与机器人控制的结合，探索更加智能的体感交互范式，为实现真正意义上的通用人工智能奠定基础。”朱毅鑫表示。