盖世汽车慕尼黑——过去两年，灵巧手领域的竞赛一直是一场数字游戏：6、12、22个自由度，研究版本甚至高达42个。其中隐含的假设似乎是，数字越高，机器就越接近人手。
然而存在一个尴尬的脱节：能在舞台上跳舞或比心形的机器人，回到现实世界往往举步维艰。它们可能连拧开易拉罐都做不到，更不用说轻轻握住一枚生鸡蛋。
关节更多并不意味着懂得如何干活。
正因如此，小米这次采取了相反的思路。
10月27日，小米公布了其新款仿生手的核心规格：21个自由度、26个电机组成的混合驱动系统，以及覆盖手掌1500个点的高密度触觉感知。
然而，小米并没有以"21"这个数字开场。相反，它从一个故事讲起：这21个自由度是从其自有汽车工厂内的1827项标准作业程序（SOP）中"算"出来的。
图片来源：小米科技
21个自由度，源自1827项工厂SOP
要理解小米的逻辑，首先得看清行业卡在哪里。
自由度——本质上是指手指能够独立运动的方向数量——是灵巧手最直观的规格，也最容易被用于营销造势。但实际上，标注并不统一：有的说"总自由度"，有的说"主动自由度"，而被动或欠驱动的连杆关节往往也被算进总数。
在6到42之间，数字看起来可能很亮眼，但实际能力可能天差地别。
更重要的是，自由度并非没有代价。每增加一个主动关节，就需要在手掌内再塞入一套驱动、传动和传感器。这会增加重量、发热、控制复杂度和潜在故障点。
而这只手恰好是整个机器中最昂贵的部件之一。摩根士丹利估计，灵巧手约占特斯拉Optimus物料清单成本的17.3%。
于是问题变成：一只手究竟需要多少个关节才能胜任工厂工作？太少，就无法精确抓握或捏取；太多，则为用不上的灵活性买单，同时牺牲可靠性。
这个问题不能凭直觉回答。无论目标定高还是定低，都需要证据。
小米的方法反其道而行：不是先设计手，而是先观察工厂里的人类工人如何使用双手。
具体而言，小米技术团队在小米电动汽车制造试制中心选取了16个典型工段和2579项标准作业程序，对其中1827项进行了多角度视频和动作捕捉，覆盖了70.8%以上的人工任务。随后，采集到的数据经过分类、分割、清洗，并基于人手动作进行多维度分析和仿真重定向。
简单来说，这就像对一线工人的双手做"时间-动作研究"，看清每个关节实际被用到了什么程度。
研究结果分为两个层面，且颇具启发性。
图片来源：小米科技
第一个层面：人手关节其实并不"偷懒"。
小米通过将实际任务中的运动范围除以该自由度的平均全行程来衡量利用率。结果发现，在覆盖的任务中，几乎所有被测自由度的利用率都超过50%。
这表明这些关节在工作中并非闲置，但它们是否"可以合并"最终取决于耦合关系和仿真消融研究——仅凭利用率并不足以做出决定。
第二个层面：人手关节存在天然耦合，并非全部独立工作。
例如，在同一根手指上，远端指间关节（DIP）的屈曲角度通常只有近端指间关节（PIP）的三分之一，且两者在运动过程中高度相关。
换言之，人手上两个独立的主动自由度实际上是联动运动的，这意味着单个驱动源就可以替代它们。这是欠驱动设计的经典案例。
按照这一逻辑，小米团队利用工厂数据计算了各关节自由度之间的相关性。这为欠驱动建立了仿生学依据：如果两个关节之间的相关性超过某一阈值（如0.8），它们就被视为欠驱动耦合设计的候选对象。
利用率和耦合性为可行范围提供了大致方向，但要精确确定具体边界，还取决于仿真设计和工程约束。小米并未披露这些边界是先验设定的，还是通过数据拟合得出的。
最终锁定这一范围的是仿真消融测试。
小米团队对具有不同自由度数的手进行了反复抓取物体的仿真。结果显示，17至21自由度范围的平均稳定抓取成功率比6至15自由度范围高出15%至38%。值得注意的是，21个自由度在工厂任务覆盖率和抓取成功率两方面都带来了最大提升。
然而，增加到23个或更多自由度后，抓取能力的提升明显放缓，标志着堆叠自由度的边际收益出现下降。
小米就是这样得出了其新款灵巧手的21个自由度。这不是为了炫技，而是根据自身工厂场景和仿真测试计算出的平衡点。
这一方法实际上与行业内日益增长的共识相吻合。
灵巧智能联合创始人兼CEO周晨曾指出，具身智能的运作方式不同于汽车和工业机器人"先硬件、后软件"的逻辑——它遵循"模型定义硬件"的路径。
而小米则将这一"定义"的起点又向前推了一步：先用真实世界的运动数据来确定硬件规格。
但数据只能回答"需要多少个自由度"。它无法回答另一个问题：究竟如何把这些自由度塞进一只手掌大小的手里？
确定了自由度，并不等于这只手就能造出来
将21个自由度集成到手掌大小的空间内，会立即产生工程上的冲突。
首先是重量和布局。实现高自由度最直接的方法是在每个关节都塞入一个电机，但这会让手掌变成一块沉重、发热的铁块。
小米的新款仿生手主要采用腱驱动，辅以5个布置在负载要求较低关节上的直驱自由度。这在自由度、负载能力、重量和运动范围之间取得了平衡。
线驱电机被移至前臂，使手掌重量降至324克。更轻的末端意味着更低的转动惯量，使手部能够更快响应。
这里值得注意：线驱手的手掌之所以轻，是因为电机被“转移”到了前臂，而不是重量消失了。在评估整个系统时，前臂中的电机和重量仍必须计入。
这也是为什么腱驱动路线尽管被认为更具仿生性、更适合高自由度，却从未在行业中占据主导地位。
此外，腱驱动存在固有弱点：绳索会随时间蠕变和松弛，一旦张力发生变化，控制精度就会受损。
灵巧智能总裁兼CTO朱凌华直言：线驱技术并不新鲜——电梯和起重机都在用——但“工程实现极其困难”。它不仅涉及摩擦损耗、预紧稳定性和系统集成复杂性，还面临设计、量产工艺和可靠性方面的挑战。
为补偿腱蠕变引起的非线性控制问题，小米开发了专有的腱张力传感器。它实时补偿这种非线性，保持线驱系统的长期一致性和可靠性。
成为付费用户可以阅读 小米 所有资料
了解更多 →