- 人形機械人在家庭工作中面臨許多不確定性挑戰。
- 機械手需結合感應和控制來調整握持方式。
- 視覺無法提供所有必要的操作資訊，觸覺感應越來越重要。
- 收集家庭操作數據比收集圖像更具挑戰性。
一款人形機械人可以運行、跳躍、跳背翻，甚至跳舞，但當要求它摺疊襯衫、取起濕海綿或轉動鑰匙時，問題會變得更加困難。這聽起來有些違反直覺。跳背翻在外觀上似乎比摺襯衫要複雜得多，但對於機械人而言，跳背翻是一個可預測的動作序列，控制過程十分精確。家庭工作卻充滿不確定性。物體會彎曲、滑動、變形、破損，且每次出現的位置都會略有不同。因此，機械手可能是建造一個真正有用的人形機械人最具挑戰性的部分之一。
一隻手不僅僅是指頭的集合，人類的手在一個極為緊湊的包裝中結合了機械、感應和控制。我們在無需意識思考的情況下，不斷調整握持。當物體開始滑動時鬆開手指，當物體較重時加大握力，或在物體意外柔軟時改變握持方式。機械人需要依賴傳感器和軟件來實現這些功能。
現代機械手可能擁有多個馬達和自由度，但這並不自動使其具備靈活性。機械人還需要知道其指頭的位置、物體的位置、接觸的力度、是否滑動以及安全的施力程度。這特別困難，因為視覺無法提供所有這些資訊。鏡頭可以告訴機械人它正在握著一個雞蛋，但無法直接告訴機械人距離壓碎它的距離。最近的研究因此越來越重視觸覺感應。2026 年，浙江大學的《科學機器人學》研究結合了視覺和觸覺資訊，利用強化學習和在線模仿學習，在涉及 25 個物體的五項複雜任務中達到了 85%的成功率。
家庭機器人的基本挑戰
現實世界是令人厭煩地不可預測。工廠機械人擁有巨大的優勢，因為工程師可以控制它們的環境。組裝相同元件數千次的機械臂可以獲得固定的軌跡、可預測的光照、已知的物體尺寸和專門的工具。而家庭環境則完全相反。每次摺疊襯衫的方式可能有所不同，玻璃杯也可能部分裝滿，抽屜可能略微打開，海綿在擠壓時會改變形狀，塑膠袋則沒有固定的幾何形狀。俄亥俄州立大學的研究人員將這描述為家庭機械人的基本問題之一：物理接觸難以建模和控制，特別是當物體柔軟、易碎或不規則時。
而且，當操控時，機械人經常在運動。對家庭機器人學的研究已確定雙手協調、穩定導航和足夠的可達性是現實世界全身操控的三大需求。換言之，手不能單獨考慮，必須與手臂、身體和環境相結合。
這解釋了人形機械人進展的奇特現象。Unitree 的 H1 以其能進行豎立跳背翻而聞名，而 G1 則展示了越來越具運動能力的動作。但跳背翻是一個明確定義的動作。機械人知道自己在做什麼，環境可以被控制，並且可以反復排練這一過程。摺衣服則不同。一台摺襯衫的機械人必須找到面料，理解其變化的形狀，選擇抓取點，在不失去衣物的情況下拉動，重新定位手部，考慮皺褶，然後準確放置最終結果。
當處理一百種不同的襯衫時，這個問題突然看起來不再像簡單的動作，而更像是一次巨大的物理實驗。
中國機器人公司的應對策略
中國的機器人公司正面臨著這個問題。最近，路透社恰如其分地將一篇報導標題為「跑步和跳舞之後，中國機器人公司瞄準家庭雜務」。報導中提到的公司 X Square Robot，與其他許多機器人公司一起，正在測試人形機械人在家庭雜務中，如撿垃圾和擺放花卉等。缺失的關鍵是數據。現代機器人越來越多地依賴訓練而非僅僅編程。然而，收集有用的操作數據比為 AI 模型收集圖像要困難得多。
一個有用的演示可能需要機械人關節位置、鏡頭、力量、扭矩和觸覺傳感器的同步資訊。而且，並不存在一個互聯網規模的數據集去記錄人們在操作數千個物體時，同時記錄他們的手感。IEEE 最近強調觸覺數據是主要瓶頸，指出視覺-語言-行動模型已經在幫助機械人處理如洗衣和整理等任務，而精細操作仍然困難，部分原因是觸覺數據集與視覺數據集相比仍然非常小。
因此，企業和研究人員正在嘗試遠程操作、可穿戴傳感器、模仿學習、強化學習和模擬。目標是將人類演示轉化為足夠的訓練經驗，使機械人最終能夠獨立處理不熟悉的情況。整個行業都在追求同樣缺失的技能。行業內的知名企業正在從不同的方向接近這個問題。例如，Unitree 的 G1 可以配備一個力控三指靈巧手和可選的觸覺感應。Apptronik 的 Apollo 正在圍繞操控和行動開發，該公司已經描述了其核心驅動器的超過 35 個迭代。
Tesla 的 Optimus 也在追求通用人形機械人的同一目標，而 1X 的 NEO 明確針對家庭工作。所有這些例子都並不意味著家庭機器人的問題已經解決。證明一個機械人能夠可靠地執行一項任務與要求它進入一個不熟悉的家庭，在八小時內無需監督地工作是截然不同的。這最終使機械手變得如此困難。人類不僅僅是移動手指。我們不斷感知、預測和修正手指的動作。直到機械人能夠做到類似的循環，一台能夠完成壯觀跳背翻的機械，仍然可能在簡單的任務上，如取起一條毛巾時遇到困難。
項目 規格 研究機構 浙江大學 成功率 85% 參與物體數量 25
機械手技術發展的關鍵障礙
家庭環境的不可預測性使得機械手的設計和控制變得極其困難。相較於工廠環境的可控性，家庭中的物體形狀、重量和位置都會有所不同，這對機械手的靈活性和精確度提出了更高要求。隨著對觸覺感應的重視，機器人公司正努力克服數據收集的挑戰，以便更好地模擬人類的操作方式。這些技術的進步對於實現真正的家庭機器人具有重要意義，因為它們需要能夠在多變的環境中獨立完成各種任務。