全触手与人手比较。受访者供图

■本报记者 赵广立 见习记者 赵宇彤

为了让机器人拥有无需人为操纵且像人手一样具有灵活操作能力的手，北京大学人工智能研究院助理教授朱毅鑫潜心研究了3年多。现在，该研究成果终于亮相了。

6月9日，朱毅鑫团队与北京大学武汉人工智能研究院等国内外科研团队合作研究的成果“高分辨率触觉感知机器手实现类人适应性抓取”在线发表于《自然-机器智能》。审稿人评价称：“这一成果对机器人和整个人机交互领域都有重要贡献。”

“机械手能像人手一样在不确定环境中保持高效灵活的操作能力，这对机器人在家庭、医疗和工业环境中的应用至关重要。”朱毅鑫在接受《中国科学报》采访时说。

既有运动能力又有触觉

如果给手指涂上阻断触觉的麻药，你会发现，连拿起水杯这样简单的操作都变得异常困难。

“日常手部动作之所以感觉很简单，是因为其强烈依赖触觉。”朱毅鑫告诉记者，人的手部结构复杂，功能极为精密，27块骨骼和34块肌肉赋予了每只手24个自由度的灵活性，“因此，对人类手部功能的研究是具身智能与机器人学科的前沿”。

在抓取物体时，人手会发挥“触觉反馈”和“运动功能”两大能力：触觉反馈包含通过肌肉、肌腱和关节感知力量的运动觉，以及通过皮肤感知接触状态、纹理、温度、摩擦力等物理特性的皮肤触觉；而运动功能则蕴含着与关节角度、位置及其运动之间关系的运动学，以及实现精准运动控制的动力学。

既然手部触觉如此重要，为何不能让机械手既有运动能力又有触觉？

他们不是第一个想到这些的团队。但在以往研究中，触觉反馈与运动能力的整合一直是机器人研究领域面临的重大挑战。

首先，触觉传感器的引入会对机器人的运动灵活性造成显著影响；其次，即便机械手获得了具备高分辨率触觉感知能力，如何高效处理大量触觉数据，并以此驱动每个关节协同运动，使其在高自由度空间像人手一样完成抓取等任务，同样是个“拦路虎”。

这也正是朱毅鑫团队“秀操作”的部分。朱毅鑫告诉《中国科学报》，受人类手部生物结构的启发，他们设计开发了“基于全手触觉的机器人仿生手”（F-TAC Hand，以下简称全触手），其过人之处在于可通过传感器与结构一体化设计突破上述瓶颈。

全触手有哪些精巧设计？

简要来说，人类手部触觉系统由两个关键要素组成——遍布皮肤的密集触觉传感器阵列和大脑皮层中专门处理和解释这些海量感知输入的神经处理机制。

“全触手正是模拟了这种设计。”论文第一作者、北京大学人工智能研究院博士生赵秭杭介绍说，他们将17个高分辨率触觉传感器以6种不同配置集成在一起，并将其覆盖在五指机械手除“关节”外所有区域，让全触手拥有了能感知物体大小、硬度等物理性质的指尖、指腹和手掌。

赵秭杭说，高分辨率触觉传感器覆盖了机器人手掌表面70%的区域，空间分辨率达0.1毫米，“相当于每平方厘米约有一万个触觉像素点，让机器人也能进行精确操作和适应性抓取”。

那么，全触手的适应性抓取能力是从哪儿获得的？

秘密藏在细节里。朱毅鑫说，团队在每个触觉传感器前都放置一层薄膜和一台微型高速摄像机，这让其能“看到”动作的细微变化——当全触手“看到”自己的操作，就能根据情况调整抓取策略。

当然，这也离不开算法的助攻。论文共同第一作者、北京大学人工智能研究院博士生李宇飏解释说，他们基于概率模型开发了一种生成人类多样化抓取策略的算法，涵盖了人类常见的19种抓取类型。在抓取生成算法的加持下，全触手就像拥有了一份包含多样化策略的“说明书”，后者为其提供了丰富的抓取选择。

“除了夹持单一物体外，全触手还能通过全手高分辨率触觉，提前预判多物体抓取时因执行误差导致的物体碰撞风险，并及时调整运动策略。当在现实环境中检测到此类风险时，全触手可在约100毫秒内感知并快速切换策略。”李宇飏说，“我们的算法支持了全触手熟练执行从常用的‘力量抓取’到‘精准抓取’等多种抓取动作类型。”

值得一提的是，在全触手的整体设计中还有一个巧妙构思贯穿其中：将传感器设计为“既是感知元件又是结构部件”，从而在不牺牲灵活性的前提下，实现了前所未有的触觉覆盖范围。赵秭杭告诉记者，所有这些设计保障了全触手能够像人手一样，在抓取过程中实时感知触觉变化并迅速调整，这极大提升了机械手在不确定环境中的操作稳定性。

据团队介绍，600次真实世界的实验数据显示，相比没有触觉反馈的系统，全触手的多物体抓取平均成功率从53.5%提升至100%。

为理解智能本质提供全新视角

据了解，朱毅鑫团队的这项成果是有研究记录以来，国际上首个同时具备全手高分辨率触觉感知和完整运动能力的机器人手系统。

也正因如此，以该成果为主体的论文审稿速度之快，超出了朱毅鑫的想象。“论文投稿后150天就确定被接收了。”

朱毅鑫认为，他们的研究不仅是技术上的突破，更为理解智能的本质提供了全新视角。

“人类智能植根于身体的感知能力，尤其是手部的触觉体验对我们认知世界至关重要。”朱毅鑫说，“全触手的成果表明，丰富的感知能力对于机器智能的发展同样不可或缺。”

近年来，以大语言模型为代表的基于数据训练和推理的人工智能取得了显著进步，但在真实世界中，机器人的感知和交互能力还存在诸多不足。

“我一直有一个目标，就是让机器人变得更智能、更泛化。”赵秭杭从小就对机器人有浓厚兴趣，本科的机电工程专业又为其打下良好基础。“我一直在思考如何提高机器人的交互能力，要想实现和物体、环境的交互，至少需要一个闭环的反馈系统，而触觉就提供了机器人与物体交互状态的直接反馈。”

朱毅鑫觉得，全触手这项成果代表着机器人乃至通用人工智能的未来。“未来我们将继续深化触觉感知与机器人控制的结合，探索更加智能的体感交互范式，为实现真正意义上的通用人工智能奠定基础。”

相关论文信息：

https://doi.org/10.1038/s42256-025-01053-3