- 人形机器人在家庭工作中面临许多不确定性挑战。
- 机械手需结合感应和控制来调整握持方式。
- 视觉无法提供所有必要的操作信息，触觉感应越来越重要。
- 收集家庭操作数据比收集图像更具挑战性。
一款人形机器人可以跑步、跳跃、后空翻，甚至跳舞，但当要求它折叠衬衫、拿起湿海绵或转动钥匙时，问题会变得更加困难。这听起来有些违反直觉。后空翻在外观上似乎比折叠衬衫要复杂得多，但对于机器人而言，后空翻是一个可预测的动作序列，控制过程十分精确。家庭工作却充满不确定性。物体会弯曲、滑动、变形、破损，且每次出现的位置都略有不同。因此，机械手可能是建造一个真正有用的人形机器人最具挑战性的部分之一。
一只手不仅仅是手指的集合，人类的手在一个极为紧凑的包装中结合了机械、感应和控制。我们在无需意识思考的情况下，不断调整握持。当物体开始滑动时松开手指，当物体较重时加大握力，或在物体意外柔软时改变握持方式。机器人需要依赖传感器和软件来实现这些功能。
现代机械手可能拥有多个马达和自由度，但这并不自动使其具备灵活性。机器人还需要知道其手指的位置、物体的位置、接触的力度、是否滑动以及安全的施力程度。这特别困难，因为视觉无法提供所有这些信息。镜头可以告诉机器人它正在握着一个鸡蛋，但无法直接告诉机器人距离压碎它的距离。最近的研究因此越来越重视触觉感应。2026年，浙江大学的《科学机器人学》研究结合了视觉和触觉信息，利用强化学习和在线模仿学习，在涉及25个物体的五项复杂任务中达到了85%的成功率。
家庭机器人的基本挑战
现实世界是令人厌烦地不可预测。工厂机器人拥有巨大的优势，因为工程师可以控制它们的环境。组装相同元件数千次的机械臂可以获得固定的轨迹、可预测的光照、已知的物体尺寸和专门的工具。而家庭环境则完全相反。每次折叠衬衫的方式可能有所不同，玻璃杯也可能部分装满，抽屉可能略微打开，海绵在挤压时会改变形状，塑料袋则没有固定的几何形状。俄亥俄州立大学的研究人员将这描述为家庭机器人的基本问题之一：物理接触难以建模和控制，特别是当物体柔软、易碎或不规则时。
而且，当操控时，机器人经常在运动。对家庭机器人学的研究已确定双手协调、稳定导航和足够的可达性是现实世界全身操控的三大需求。换言之，手不能单独考虑，必须与手臂、身体和环境相结合。
这解释了人形机器人进展的奇特现象。Unitree的H1以其能进行竖立后空翻而闻名，而G1则展示了越来越具运动能力的动作。但后空翻是一个明确定义的动作。机器人知道自己在做什么，环境可以被控制，并且可以反复排练这一过程。折叠衣服则不同。一台折叠衬衫的机器人必须找到面料，理解其变化的形状，选择抓取点，在不失衣物的情况下拉动，重新定位手部，考虑褶皱，然后准确放置最终结果。
当处理一百种不同的衬衫时，这个问题突然看起来不再像简单的动作，而更像是一次巨大的物理实验。
中国机器人公司的应对策略
中国的机器人公司正在面临这个问题。最近，路透社恰如其分地将一篇报道标题为“跑步和跳舞之后，中国机器人公司瞄准家庭杂务”。报道中提到的公司X Square Robot，与其他许多机器人公司一起，正在测试人形机器人在家庭杂务中，如捡垃圾和摆放花卉等。缺失的关键是数据。现代机器人越来越多地依赖训练而非仅仅编程。然而，收集有用的操作数据比为AI模型收集图像要困难得多。
一个有用的演示可能需要机器人关节位置、镜头、力量、扭矩和触觉传感器的同步信息。而且，并不存在一个互联网规模的数据集去记录人们在操作数千个物体时，同时记录他们的手感。IEEE最近强调触觉数据是主要瓶颈，指出视觉-语言-行动模型已经在帮助机器人处理如洗衣和整理等任务，而精细操作仍然困难，部分原因是触觉数据集与视觉数据集相比仍然非常小。
因此，企业和研究人员正在尝试远程操作、可穿戴传感器、模仿学习、强化学习和模拟。目标是将人类演示转化为足够的训练经验，使机器人最终能够独立处理不熟悉的情况。整个行业都在追求同样缺失的技能。行业内的知名企业正在从不同的方向接近这个问题。例如，Unitree的G1可以配备一个力控三指灵巧手和可选的触觉感应。Apptronik的Apollo正在围绕操控和行动开发，该公司已经描述了其核心驱动器的超过35个迭代。
Tesla的Optimus也在追求通用人形机器人的同一目标，而1X的NEO明确针对家庭工作。所有这些例子都并不意味着家庭机器人的问题已经解决。证明一个机器人能够可靠地执行一项任务与要求它进入一个不熟悉的家庭，在八小时内无需监督地工作是截然不同的。这最终使机械手变得如此困难。人类不仅仅是移动手指。我们不断感知、预测和修正手指的动作。直到机器人能够做到类似的循环，一台能够完成壮观后空翻的机器人，仍然可能在简单的任务上，如拿起一条毛巾时遇到困难。
项目 规格 研究机构 浙江大学 成功率 85% 参与物体数量 25
机械手技术发展的关键障碍
家庭环境的不可预测性使得机械手的设计和控制变得极其困难。相较于工厂环境，家庭中的物体形状、重量和位置都会有所不同，这对机械手的灵活性和精确度提出了更高要求。随着对触觉感应的重视，机器人公司正努力克服数据收集的挑战，以便更好地模拟人类的操作方式。这些技术的进步对于实现真正的家庭机器人具有重要意义，因为它们需要能够在多变的环境中独立完成各种任务。