灵巧手在指尖转东西，九成五到位还不易掉

抓起一个东西，机器人已经练得很熟。可在手指之间把一个物体转到任意角度、任意位置，中途不许掉——这是另一档难度。练得越狠，越容易一失手把东西甩出去，而大多数论文根本不测掉落率。这周有一篇把两件事一起解决了。

一、发生了什么

10 月 27 日提交的论文研究的是「手内物体位姿到达」：在任意手腕朝向下，把物体移到手指够得着的几乎任意位置和姿态，还要连续完成长串目标。这比抓一下就放难得多的地方在于，动作全程发生在指间，稍有偏差就是掉落。研究团队在仿真里训练了一块 LEAP 手的策略，全程不用人工示范。LEAP 手是社区里常见的低成本多指灵巧手平台，这是背景，不是论文结论。配方包括用生成的抓取数据集铺开多样的复位与目标，再配一个自适应摩擦课程，让仿真里的手学会应对打滑。

关键一步是系统辨识做得到位：策略零样本迁移到真手上，感知只用动捕，或者单只装在腕上的深度相机。两种感知模式都能跑通，意味着这套技能不绑死在某套昂贵设备上。真机评估累计十三点三小时，四件物体、四千八百个没见过的目标，还有各不相同的手腕朝向，状态反馈策略有九成五以上落进两厘米和 0.4 弧度的容差。在任务策略之上，团队又加了一个可调保守程度的学习型安全滤波器，掉落次数砍掉四分之三，到位率仍有九成出头。

这套策略还能把任意握姿的灯泡拧进灯座，扛得住手臂急动和外部扰动，出界的目标也够得着。因为它只需要一只腕部相机，整套技能是可携带的——换一块手、换一个场景，接上就能用。配方、视频全部开源，论文配了三十张图和十四张表，作者希望它成为研究灵巧系统里性能、可靠性与安全三者权衡的平台。

二、跟你有什么关系

做机器人的人：零样本仿真迁移能到这个程度，系统辨识的功夫比堆数据更值得投入。做部署的人：只吃一只腕部相机，成本和标定负担都压得下来。做安全的人：安全不必牺牲性能，可调滤波器给出了明确的旋钮。写论文的人：把掉落率写进指标，会是灵巧操作评测的新惯例。

三、怎么用

1. 复现先从开源配方里抠系统辨识环节，仿真和真手的差距多半死在这一步。
2. 感知预算有限就上腕部相机，这套方案对传感器要求很轻。
3. 部署时把安全滤波器先调到最保守，确认任务能跑，再逐步放开性能。
4. 验证别只测单次抓取，按论文口径跑连续目标序列，掉落问题才会显形。

四、三个别信的说法

灵巧操作只能靠海量的真机数据。 这篇完全没碰人工演示，靠生成数据和课程设计在仿真里就练出来了。

安全与性能天生是一对矛盾。 论文给的答案是显式权衡：掉落少四分之三，代价只是到位率从九成五降到九成一。

实验室数字可以直接搬到产线。 四件物体、四千八百个目标仍然是限定评估，换材质换形状要重测。

五、一句话结论

转得快和掉得少可以都要，前提是把安全当策略的一部分来练。

信息来源

• arXiv 摘要页：手内位姿到达的灵巧与安全

事实引自 2026 年 10 月 27 日提交的论文摘要。

功能与价格以官方公告为准。本文写于 2026 年 10 月 28 日。