机器人的“最后一公里”：深聊灵巧手的“不可能三角”与六大技术门派

想要低成本？市面上有很多开源项目，比如DexHand和Amazing Hand，可以3D打印，成本能控制在300美元。但性能嘛...只能说是"摆造型"，抓取功能基本是没法使用的，甚至一些入门级的商业产品在这方面也不足。

想要高可靠性？那就得简化设计，减少故障点。越复杂的系统，维护成本越高，故障率也越高。但这样一来，性能又会大打折扣。

因为机械手每一个关节、每一个自由度的运动都需要有电机来控制，如果把电机做得很小，它的功率输出和性能就会相应变弱。所以，要想匹配人手的自由度、人手的尺寸、以及人手的力输出和速度，就是一个非常困难的"不可能三角"。

这就像是在玩一个永远无法获胜的游戏，除非你能够找到突破这个三角形的新方法，而在产业中，大家一直在寻找这样的方法来突破不可能三角，这也衍生出了灵巧手江湖中的6大门派。

03 技术流派大揭秘：6大门派的江湖恩怨

为了解决灵巧手的"不可能三角"，在机器人灵巧手的江湖里，主要有六大门派，各自有着不同的武功路数：

Chapter 3.1直驱派：简单粗暴的"搭积木选手"

这一派的哲学很简单：需要动哪里，就在哪里放个电机。就像韩国Wonik Robotics的Allegro Hand，16个自由度，16个电机，电机"一对一"服务；还有最新出的国产产品SharpaWave，Wuji Hand以及XHand，都是这个路线。

这种设计的优点在于方便精细控制。缺点在于，电机驱动器体积小、抗冲击差、不可反驱、指末端力输出小，而且维护和维修都不太方便。

Chapter 3.2 绳驱派：最接近人体的"仿生学大师"

这一派的代表是特斯拉的Optimus和Shadow Robot。特斯拉大家都熟悉了，而Shadow Robot这家英国公司就像是灵巧手界的"劳斯莱斯"。近30年的技术积累让他们在高端市场占据统治地位，但高昂的价格也限制了他们的市场扩张。

他们的设计思路最接近人体：把"肌肉"（电机）放在前臂，通过"肌腱"（钢丝绳或高强度合成纤维）来控制手指运动。

这就像是控制木偶一样——所有的线都连到一个中央控制台，通过拉动不同的线来实现复杂的动作。这种设计的优点是轻量化、力量输出稳定、具备一定自适应能力，而且布局和人体更接近。特斯拉最新的Optimus手宣称它拥有22个自由度，已经非常接近人手的27个自由度了。我们实地探访的TetherIA他们现在推出的这款高性价比灵巧手也是采用的绳驱方案。

但是，绳驱动也有自己的麻烦。

虽然特斯拉是坚定走"绳驱"路线——但是我们看到其实很多创业公司，真正跟随特斯拉技术路线的并不多，而且很多人会质疑特斯拉。为什么呢？我们觉得，因为"绳驱"最根本的优势，就是刚才我介绍的，能够实现比较好的力输出和自适应。但它根本的劣势在于，尤其是对于欠驱动来说，它没有办法实现精准控制。因为它是欠驱动，每个地方的力输出会随着自适应的情况不同而不同。

这个时候，就需要我们能够在软件里，对"绳驱灵巧手"的各个模块进行精准的建模。只有你很好地理解这个手在不同条件下会发生什么样的变化，你才可能实现精准的控制。

Chapter 3.3液压派：追求极致力量的"暴力美学"

加拿大Sanctuary AI公司就走的液压驱动派系。他们的Phoenix机器人配备了21个自由度的液压手，能够产生强大的力量输出。

液压系统的优势是力量大、响应快、功率密度高，能完成高负载任务，但传统上液压系统都很庞大。Sanctuary AI的突破在于将液压组件小型化到硬币大小，并且经过了20亿次循环测试而无泄漏。

这就像是把挖掘机的液压系统缩小到了手表的尺寸，技术难度可想而知。不过，液压系统依然面临成本、维护、噪音和能效方面的挑战，因此目前主要用于特定工业和研发场景。

Chapter 3.4 连杆派：发挥机械美学的"优雅派"

这一派的代表作是源自韩国研究团队提出的ILDA灵巧手，通过精巧的连杆设计实现高自由度动作。它的哲学是：将驱动器全部集成在手掌内部，用连杆、摇臂、滑块等机构把多个直线动作"分配"到多个关节，让手指多个关节弯曲，摆出类似人类手指的各种姿态。

这种方案的优点是结构紧凑、自由度高、外形优雅，充分展现了机械设计的美感；但它的缺点也很突出——抗冲击性较差，在复杂或高负载场景下可靠性不足，导致整体实用性偏低。

Chapter 3.5 混合派：工程师的"中庸之道

还有一些设计尝试将直驱、绳驱、连杆机构等组合起来，折中成本、重量和性能。例如一些开源或学术手就采用连杆+部分驱动的方案，用较少的执行器实现更多自由度，在科研和教学中很受欢迎。

混合方案之前一直停留在学术研究领域，而TetherIA正在通过混合派路线，开发他们旗下的另外一款高自由度灵巧手方案。他们通过剖析人手的具体功能和结构（结合绳驱及拉杆方案），将上面提过的绳驱、拉杆等方案有机结合在一起，通过强大的工程化实现能力，开发出了一款既高效又可靠的高自由度灵巧手方案。

Chapter 3.6 值得一提的"开源派"

他们是乱拳打死老师傅——不拼技术精度，不比硬件豪华，而是用开源的方式打破行业壁垒。虽然单个产品可能不如Shadow Robot那样精密，但它们的威力在于"群狼战术"：把灵巧手的价格门槛做到最低，让全世界的工程师都能玩得起灵巧手，从而反过来推动技术的进步。

从DexHand到ORCA Hand，越来越多的开源项目正在降低技术门槛。这就像是Android系统对手机行业的影响一样，可能会彻底改变游戏规则。

而TetherIA在研发一款高自由度、非常接近人手性能的灵巧手的同时，发现系统其实可以极致简化，于是也做出了一款低自由度、但据说也是市面上性能最好之一的灵巧手。这款灵巧手已经在前阵子发布，并全部开源，售价仅仅为300美元。

团队对我们说，他们这款灵巧手是极度任务导向的。虽然自由度较低，但能完成很多接近人手的任务。那我们就来看看，这双手已经能完成哪些复杂的任务。

04 四个Deomo背后的技术密码

接下来通过四个TetherIA的最新产品展示demo，我们来看看每个看似简单的动作背后隐藏着什么样的技术挑战。

Chapter 4.1 抓取螺丝钉

M5螺丝钉直径只有5毫米，这个demo看起来简单，实际上是对精细控制能力的终极考验。

小物体的难度在于也是多方面的：一个是在于它的精准控制能力；另外一个是在于，当你抓小物体的时候，如果力输出的方向没有办法很好的配合，往往会把小物体抓飞。这其实都体现了：既要有硬件设计上实现很好的自适应，以及力输出的一致性，另外其实也是我们整个软件系统要相应配合，实现对这个相对复杂的"绳驱灵巧手"的精准操作。

Chapter 4.2 抓取大物件

抓大盒子的挑战完全不同。这时候，机器人手只有指尖的一小部分在接触物体，就像是用指甲尖去抓握一个篮球。

因为这个盒子几乎和机器人的手一样大，因此必须非常精准地去抓住它。基本上这种情况下，你只能用指尖来施力，也就是靠机器手最后一节关节来提供力量。所以对于机械手来说，这样的抓取就变得相当棘手。这个盒子的大小，已经是人手大小能够抓的最接近的尺寸了。手的大小对于人类来说是限制，对于机器人灵巧手来说也是。但是你可以看到我们的灵巧手，对于处理这种接近它手大小极限的物体的时候也是没有问题的。

Chapter 4.3 开可乐

开可乐是最让人印象深刻的dem，因为它真正展现了机器人手的"人性化"特征。

这是体现了我们硬件结构设计上的一些创新，以及我们对手的实用性的一些理解。我们觉得，其实人在很多情况下，指甲都起到很重要的作用。一个就是您刚才提到的可乐瓶，我们需要有一个自适应，能够在狭小的空间里实现相对较大的力输出。

另外，在生活中很多细节上，比如洗菜、做饭、剥菜的过程中，其实都会用到。我们这里不仅仅是一个"指甲"，更重要的是手前端的设计，能够用软物质包裹，自适应，而且曲率非常接近人手的曲率，所以才能够实现这些功能。

我本来想使个坏，使劲摇晃了下可乐罐，本来想让灵巧手给我开个"喷气式"可乐的，但是...怎么这么平静？这次使坏失败，大家如果知道怎么能让可乐罐摇晃打开能喷出来的给我留个言，我下次再去找灵巧手试试。

Chapter 4.4 拿iPhone——桌面操作的"终极考验"

这个看似最简单的动作，实际上是技术含量最高的。iPhone紧贴桌面，手指必须伸入只有几毫米的缝隙中，还不能与桌面发生硬碰撞。

我们发现iPhone其实是一个非常窄小的空间，需要在这个狭小空间里使用比较大的力，并且拿稳。这个过程中有若干难点，其中一个难点是：很多灵巧手的末端设计，如果曲率是向外的，在抓的过程中，力的方向会斜向外，不容易抓稳。

另外一个难点是：抓的时候，手指会不可避免地跟桌面接触，从而增加灵巧手损伤的概率。我们的手能解决这些问题：一有自适应过程，在抓的时候能够调整力的方向，让它抓稳并拿起来；二是因为我们是"绳驱"方案，让手在接触桌面的时候自适应，而不是直接碰撞和对抗，从而减少损伤。

05 AI大模型时代的灵巧手

目前，我们正处在一个特殊的历史时刻：AI大模型的突破为机器人技术带来了前所未有的可能性。

比如前面说的Vision-Language-Action（VLA）模型，就给机器人的"大脑升级"。传统的机器人需要为每个任务编写专门的程序，而VLA模型让机器人能够理解自然语言指令，并将其转化为具体的动作。这就像是给机器人装上了"翻译机"——它能够将"帮我倒杯水"这样的自然语言翻译成具体的动作序列。

我们发现我在做的过程当中灵巧手的操纵很大的一个难点，就是如何进行遥操。因为它的自由度比较多会比夹爪复杂很多，特别是对于我们绳驱的方案，所以我们基于这个痛点做了一款AI小脑，这个AI小脑在用户操纵的过程当中能够实现自适应，对于不同的任务，用户并不需要精准地告诉操纵我们灵巧手的力输出甚至力输出的方向，手会给予任务来进行自适应的调整，极大的提高了这个遥操的丝滑程度。

此外，Sim2Real（仿真到现实）技术正在解决机器人训练的成本问题。在虚拟环境中，机器人可以进行数百万次的试错，而不用担心损坏硬件。但是，仿真和现实之间总是存在差距。

Evan Tao

TetherIA联合创始人兼CEO

这个的确是机器人在做的过程中的一些难点，主要是在于，因为物理世界是非常复杂的，我们仿真的过程中肯定是简化了很多的一些参数。比如像物体比较多的摩擦力、刚性、柔软的程度，仿真的模型并不能够很好的去体现。并且我们在物理世界设计机械手、生产机械手的过程也会有一些的误差，所以这也是我们一直在克服的东西。

这就像是在游戏中练习开车和在现实中开车的区别——基本技能可以学会，但真正的路感还是需要实际体验。

不仅如此，甚至在硬件上，AI也在发力。机器人昂贵的一个原因，是它的供应链比较缺乏。很多这种驱动器都是专门为了机器人定制的，目前来说产量也比较低，所以整个行业的成本还没有办法做得非常便宜。并且，传统机器人的设计是通过不断提高产品的精度，来实现很多高级、炫酷的功能。但是现在有了AI的加持，对机器人硬件的精度要求就不会再继续那么高，所以整体的价格我们相信会越来越低。

而TetherIA推出的这款绳驱方案的开源灵巧手，就是想让硬件以便宜的价格被更多机器人和科技爱好者所采用，在此之上去更好的用AI开发软件来加速灵巧手和机器人的技术进步。

我们这款低自由度的产品，是结合了我们在设计高自由度的过程当中，对于整个整体结构设计的一些经验，然后并且采用了市面上主流的off-the-shelf（现成的）的这种电机，所以能够做到极致的低成本。

我们的计划和特斯拉是不一样的，因为我们不像特斯拉有那么多的资金去完全投入在研发中，我们是要和我们的社群一起去成长的过程。为什么我们对我们低自由度的手非常有信心，而且觉得会是一个爆款的产品，是在于我们通过300美金的硬件成本能够做到超越别人几千美金、甚至几万美金的产品的功能性。这样的好处是，不仅仅是很多很顶尖的公司和很顶尖的科研院所可以使用这样的产品，更多的爱好者也可以一起参与到这个灵巧手算法的应用的开发过程中来。

这就像是Google的Android策略——虽然苹果的iOS可能在单个产品上更优秀，但Android通过开放生态获得了更大的市场份额。而且通过开源硬件，全世界的研究者都成为数据贡献者。

06 机器人走进家庭的前夜：从拥有一双真正灵巧的手开始

回顾机器人灵巧手的发展史，其实就是人类技术进步的一个缩影。我们从模仿自然开始，逐步理解其中的原理，然后用工程的方式去实现，最终可能会超越自然的原型。

我们在采访中发现，TetherIA的故事特别有意思，因为它代表了一种新的发展模式：通过开源降低门槛，通过众包加速创新，通过生态建设推动产业发展。这就像是Linux对操作系统行业的影响，或者Android对移动行业的影响一样。

当然，从300多美元的开源版本到真正实用的家庭机器人，这中间还有很长的路要走。技术上的挑战、成本上的压力、应用场景的探索，每一个环节都充满了不确定性。

但是，正如受访者在采访最后说的那样：我们相信五年之后，我们会看到机器人在很多地方部署，它不会是一个停留在视频里或者概念里的东西，就像我们现在每天接触ChatGPT一样，它会真正在我们生活当中产生巨大的价值。

也许再过数年，我们回头看2025年，会发现这是机器人真正走向普及的起点。到那时，每个家庭都可能有一个机器人助手，能够帮我们做饭、打扫、照顾老人、陪伴孩子。而这一切的起点，就是让机器人拥有一双真正灵巧的手。

以上就是我们机器人系列的第一期的内容，之后我们还会走访硅谷明星初创公司和一线研发机器人的团队，从大脑、AI算法、数据、脑机接口等多个维度来深度聊聊机器人如今的研发现状。关于机器人，大家还有什么想问的、想聊的，欢迎在评论区一起告诉我们吧。