这只手有很多地方立刻引人注目。值得注意的是，波士顿动力公司去掉了小指，并缩小了夹爪的尺寸。不那么明显的是，该公司表示，它打造这只新手是为了高保真仿真，以实现仿真到现实的强化学习（RL）。
为了进一步了解这只新手，《机器人报告》采访了波士顿动力公司Atlas机器人行为总监Alberto Rodriguez。
波士顿动力公司从其人形机器人试验中学到了什么，并将其应用于这只新手？
Rodriguez：为Atlas制定产品路线图一直是一个关键推动因素，尤其是在做出艰难决策时，比如我们应该在一只手中纳入怎样恰当的复杂度，并在灵巧性、力量、坚固性、成本、可维修性和传感之间权衡其设计取舍。
我们从Atlas身体的设计中学到了一些东西。像简洁性、模块化和执行器成熟度这样的东西在理论上说得通，但随着时间推移，你会开始体会到它们对你推进速度的巨大影响。
一台可靠的机器人能让你更快地采集数据、运行更多实验，并在早期部署中大胆下注。模块化让你能把更多精力集中在少数必须做对的事情上。这也能让你推进得更快。
我们对这只手采用了同样的理念。它由13个相同的执行器构成，全部完全封装，没有脆弱的线缆跨越关节，这已经开始带来回报。
视频4
你们是否研究过任何现成的末端执行器，为什么决定自研一只手？
Rodriguez：我们总是会研究市面上已有的东西，以了解最先进水平。手是一项关键技术，对人形机器人的价值主张如此不可或缺，以至于我们很难用除自研之外的任何其他方式来对待它。
正如我们在博客文章中所描述的，所有手都源自一种影响深远的性能取舍，而理解它如何契合产品路线图是关键。
波士顿动力公司如何确保耐用性，使夹爪能够经受多个班次的使用？
Rodriguez：这与我们为机器人中其他关键技术所做的方式没有太大不同。
这一切都始于一支出色的硬件设计团队，他们以前已经做过很多次，并积累了关于什么能带来可靠硬件的直觉。
我们制造早期原型，并将其交给系统、控制和行为团队使用一段时间，以尽可能多地发掘未知的未知，并据此迭代设计。
你们一直在用这只新手测试哪些类型的任务？
Rodriguez：各种类型。对像手这样复杂的系统定义需求很困难，而一种方法是构建一套代表性任务，代表这只手未来要做的事情。其中许多是常见的工业任务，比如使用手持电动工具、处理线缆和摸索螺丝。
一如既往，我们喜欢从人类身体成就的壮举中汲取灵感——比如跑酷或体操——来推动自己，并以一种能与人们产生共鸣的方式去做。我们一直在尝试不同类型的杂耍和快速手部游戏。
你能告诉我们更多关于波士顿动力公司决定这只手应包含多少根手指的过程吗？
Rodriguez：这个过程依赖于直觉、概念设计中大熵值的阶段，以及一套我们希望这只手能够完成的任务或行为。我们的产品路线图为我们提供了我们知道属于Atlas范围的具体操作任务。
工具使用是一个重要例子，但还有更多，从Atlas应该能够拾取多小的螺丝，到Atlas应该能够把手伸进多小的空间。
能够让拇指指尖沿着其他手指的长度滑动
能够让拇指指尖在手指间滑动
能够对带扳机的工具手柄施加力量抓握
像手指数量或每根手指关节数量这样的决策很困难，但我们努力保持务实视角，并清晰关注成本和可靠性等因素，这些对于实现规模化制造至关重要。
例如，一个最初获得很多支持的设计是带有两个拇指的手，每侧一个。这种设计还有一个额外好处，即你不需要分别制造右手和左手。你可以在同一条装配线上制造它们。
这只手在哪些方面使其更易于在仿真和强化学习中使用？
Rodriguez：我们在设计驱动和传动时着眼于可反向驱动性和透明性。在控制方面，我们开发了技术来补偿执行器上一些剩余的非理想特性，比如补偿不同类型的摩擦。
所有这些都实现了精确的动态仿真，这对整个机器人的设计理念至关重要。这使强化学习在训练能够使用本体感觉的策略时更有效，即执行器本身能感知到你正在对它们施加反推，并直接迁移到硬件上。
这与过去几年在敏捷人形行为上取得成功的配方完全相同。构建能够良好仿真的执行器，然后大规模依赖RL。
我确信，在仿真中使用RL的能力将成为下一代复杂灵巧操作能力的关键推动因素，超越抓取和放置。这些任务很难通过遥操作或演示来完成，因为重现它们所需的大量相关信息存在于接触和压力分布的快速变化中。
你们是否已经开始在RMAC测试这只手，到目前为止结果如何？
Rodriguez：还没有。我们已经在总部广泛使用了这些新手，但尚未将它们部署到整个机器人机群。这是一个需要协调和时间的过程，以确保它不会干扰数据采集或应用等常规运营。
编者按：波士顿动力公司政策与政府关系副总裁Brendan Schulman将参加在RoboBusiness 2026举行的“用机器人回流：政策讨论”专题讨论会，该活动将于10月20日和21日在加利福尼亚州圣克拉拉举行。立即注册参加。