波士顿动力表示，他们并非要打造一只复杂的手，而是一只可靠、能够使用工具的手。| 来源：波士顿动力
波士顿动力今日为其Atlas人形机器人揭晓了最新款的手。这只手有4根手指、13个自由度（DOF），采用直接驱动，专为大规模制造而设计。
波士顿动力表示，此前版本的Atlas手具有7个自由度，设计用于抓取多种多样的物体。而通过最新款的手，公司将重心转向对这些物体的操作。
“我们考虑了非常非常多的设计方案，其中有很多问题，比如：我们希望这只手有1个拇指还是2个拇指？我们到底要不要让小指存在？而这些问题大多没有直截了当的答案，”Atlas机器人行为总监Alberto Rodriguez说。“总归需要一些直觉和实验。归根结底，这是在不同相互竞争的目标之间做出的权衡。”
波士顿动力表示，这只没有小指的4指手是为高保真仿真而打造的，以支持仿真到现实（sim-to-real）的强化学习（RL）。该公司表示，它在关节处保持了透明的直接驱动，且全部采用单一类型的执行器。与Atlas的身体一样，这些执行器完全封装，没有脆弱的线缆穿过关节。
这只新手能够：
让拇指指尖沿其他所有手指的长度方向滑动并横跨其宽度
在拇指与其他任意手指之间进行灵巧的捏取抓握
进行灵巧的三指抓握
进行带扳机工具抓握，如电钻、电动扭矩起子、角磨机、射钉枪和焊枪
这一消息发布仅一周前，波士顿动力在现代汽车集团美国Metaplant开设了其机器人Metaplant应用中心（RMAC）。该公司表示，这座佐治亚州设施是一个培训中心，用于将Atlas人形机器人整合到母公司现代的汽车制造业务中。
波士顿动力为何押注4根手指？
视频4
在机器人手方面，许多公司都在试图尽可能逼真地复刻类人手。那么，波士顿动力为何没有走这条路？
“没有小指，是因为团队认定，你能够借此额外完成的灵巧性和任务，并不值得为此增加3个额外自由度所带来的额外复杂性、尺寸、功耗，以及增加额外执行器所带来的一切，”Atlas团队机械工程师Dylan Thrush说。
在设计完成之前，波士顿动力首席产品与技术官Zachary Jackowski要求团队把小指和无名指绑在一起过一天，然后汇报他们无法做到哪些事。实验结束时，团队一致认为机器人手不需要小指。
凭借4根手指和13个自由度，这只手能够进行手内重定向、从滑脱抓握中恢复，以及在按压工具扳机的同时操作工具。
尺寸也是一个重大考量。机器人手需要抓取各种尺寸的物体，并有可能伸入狭小空间。所以它不能太大。此外，与人类手更相似的手，与人类操作数据之间的跨本体差距更小。
因此，Atlas的新手在尺寸上与一只大号人手相似，这在很大程度上决定了执行器的尺寸。得益于多项独特的驱动技术，该公司表示它保持了与此前的手相近的强度。
波士顿动力表示，执行器的可反驱性和透明性是整个机器人设计理念的核心。这使公司能够依靠本体感觉来实现敏捷灵巧的行为。作为本体感觉的补充，波士顿动力为这只手配备了覆盖指尖和手掌的密集压力触觉传感器，使其能够捕捉微小的接触信号。
为仿真学习打造一只手
Atlas的拇指具有4个自由度，而其他3根手指各有3个自由度。| 来源：波士顿动力
当今一些用于扩展操作数据收集的最佳方案涉及通用操作接口（UMI）。借助这些可穿戴设备，演示者可以自然地执行任务，而传感器则捕捉操作过程中最相关的信号，如接触事件和压力分布。
然而，直接模仿有其局限，波士顿动力表示，这一点是他们在全身人形控制方面学到的。人形机器人的全身行为总是部署在一个全身控制器之上，该控制器负责处理诸如平衡、绊倒时的恢复步伐，以及对重力、自碰撞或外部推搡等力的补偿等高频率动态行为。重要的是，如今这些全身控制器始终是在仿真中通过RL训练的。
波士顿动力表示，人类演示最适合捕捉情境中的视觉复杂性。但从本质上讲，快速而敏捷的灵巧操作也是高频率闭环控制和力调节的产物。这是可穿戴设备无法捕捉的。因此，该公司认为，仿真中的RL是解决灵巧操作的关键组成部分。
这对这只手的设计产生了很大影响。波士顿动力表示，从许多方面来说，它是为sim2real迁移和RL而打造这只手的。刚性驱动执行和可反驱传动，再加上用于补偿齿槽效应和摩擦的控制创新，使得以高动态保真度仿真这只手成为可能。
这种保真度反过来又使RL在训练鲁棒控制策略方面更加有效，因为这些策略会接触到电机扭矩曲线、表面摩擦系数、物体几何形状和任务扰动的随机化。
该公司已有初步结果显示，在动态任务中实现了有前景的sim2real迁移。这些行为直接在仿真中通过域随机化进行训练，并在硬件上部署运行，仅依靠高频率执行器本体感觉作为反馈。