首页 > 见识

　　问你一个问题，你觉得造人形机器人最难的是什么？ 

　　多人会说是芯片算法训练，也有人说是腿部关节，

　　但真正困住国际AI巨头们的却是一双手。

　　准确的来说应该叫灵巧手。

　　一个能真正让机器人像人一样工作的部件。

　　而在这个领域，即便是目前全世界最先进的产品。

　　距离我们人手的自如和灵活依然有巨大的鸿沟。

　　首先在物理结构上就非常难跨越。

　　要知道，从某种程度上来说，手是人类演化过程中的一个奇迹。

　　它在早期发挥人类智力的过程中扮演了极为重要的角色。

　　在这么大小的地方上，人类进化出了由肌肉肌腱驱动的27块骨头，

　　数十个关节。既能捏起一枚绣花针，也能挥出一记重拳。

　　它兼具了力量、精度、柔顺和坚韧。

　　我们要想用机械结构去模仿人类的手，那工程师们立刻就会碰到一个不可能三角，

　　自由度、精度和可靠性，这三者几乎不可兼得。

　　你想让它更灵巧，于是增加了关节和驱动器。

　　但这样的结构就会变得复杂、脆弱。而且空隙。

　　制难度指数级上升。那如果你想让它更有力，就需要更强的电机和更坚固的传动。

　　但这通常意味着体积变大、动作变笨拙。

　　同样的，如果你想让它像工业设备一样耐用，就可能要牺牲一部分灵活度。

　　现在我们人类做出来的灵巧手，其实本质上都是在这个三角中寻找一个痛苦的平衡点。

　　而且结果很明显。迄今为止，我们都还没有找到一种能够像生物组织一样，

　　同时满足所有要求的完美材料和结构。

　　要知道，我们上面说的还只是结构上的问题，即便完整复刻了人类手的结构，

　　接下来也仍然要面临感知上的暗箱困境。

　　我们手的能力一半在于运动，另一半在于感知。

　　我们手指间的皮肤能清晰分辨出砂纸的粗细，能感知到鸡蛋壳的薄厚。

　　并通过神经实时将海量信息反馈给大脑。

　　而对灵巧手来说也是一样的。

　　没有高质量触觉的抓取就像在黑暗中穿针。

　　就目前来看，虽然说我们已经有了很多各式各样的触觉传感器，

　　例如微型减速器，高精度。

　　力矩传感器等。但比较遗憾的是它们往往面临两难。

　　一方面是高分辨率的柔性传感器成本太高，没法覆盖整个手掌。

　　而另一方面，耐用便宜的传感器又往往精度不足。

　　但这些都还只是成本上的问题。

　　更重要的是，这些触觉信息与视觉信息怎么融合，

　　怎么实时理解滑动、形变、压力分布这些概念。

　　然后在极短时间内做出调整。

　　都是算法层面要面临的巨大挑战。

　　有触觉反馈，机器人拧瓶盖要么拧不动，要么直接就给你把瓶子捏碎了。

　　这也是为什么很多工业用的机械臂、机械手都要用钢丝网或者铁笼圈起来的主要原因。

　　如果人类足够聪明，解决了上面这些难题，最后还要面临智能的组合爆炸难题。

　　即使我们有了一双硬件达标、感知敏锐的手。

　　如何指挥它完成泡一杯茶。

　　这样对人手来说再简单不过的任务，难度依旧堪比AI界的珠穆朗玛峰。

　　这不是简单的移动到A点抓取B物体，它涉及到一连串子任务。

　　识别茶壶，规划抓握姿态。

　　施加恰到好处的力，提起，对准茶杯倾倒、感知水位，

　　每一个步骤都需要视觉加触觉加力觉等等的多多模态感知的，

　　瞬间融合，运动轨迹的毫秒级规划以及基于反馈的实时微调。

　　这其中的变量多到可怕，被业内称为维度诅咒。

　　就是为什么人形机器人的灵巧手每增加一个主动自由度，

　　控制算法的复杂度就会呈指数级增长的一个底层逻辑。

　　从理论上来说，灵巧手的自由度越高越好。

　　而就目前业内来看，20个自由度是及格线，越往上越厉害。

　　比如特斯拉Optimus机器人的手能做到22个自由度。

　　英国一个比较知名的shadow handd能做到24个自由度，那目前业内的极限是多少呢？

　　答案是42个。自由度已经可以轻易实现。

　　一些细线插拔、微小零件对接。

　　这种过去在业内几乎难以达到的任务。

　　而且他来自一家中国公司灵心巧手。

　　这家低调的企业通过全栈自研的硬核技术实力，

　　已经在高自由度机械手这一细分领域拿下。

　　全球80%以上的市场非常厉害。

　　那最后问题来了。你知道除了技术实力外，中国在灵巧手领域能主导全球市场的另外一个关键原因是什么吗？