波士顿动力详解Atlas新手:减掉一根手指的设计课
对岸今天又发了什么。不久前,波士顿动力展示了新一代Atlas人形机器人的机械手:四指、13个自由度、直驱设计,公司明确表示这只手是为大规模制造而生。最显眼的变化是取消小指、缩小了夹持器尺寸;而不那么显眼的一点是,这只手专为高保真仿真打造,以便实现sim-to-real强化学习。承载能力没有缩水——官方确认它仍能搬运超过100磅(约45公斤)的重物。
围绕这只手背后的设计逻辑,《The Robot Report》对话了波士顿动力Atlas机器人行为总监Alberto Rodriguez。这场访谈披露的细节,几乎可以当作人形机器人手部设计的方法论教材来读。

先学会做减法
Rodriguez开门见山:为Atlas制定清晰的产品路线图,是做出艰难设计决策的关键前提——比如这只手到底应该装载多少复杂度,如何在灵巧、强度、坚固性、成本、可维修性和传感之间权衡。
一些经验来自Atlas本体的设计:简单性、模块化和执行器成熟度,这些在理论上说得通的东西,时间久了你会体会到它们对推进速度的巨大影响——可靠的机器人让你更快采集数据、跑更多实验、在早期部署中大胆下注;模块化让你把精力聚焦在少数必须做对的事情上,这同样让你更快。这套哲学原样用在了手上:13个完全相同的执行器构成整只手,全部完全封装,没有跨关节的脆弱线缆——这些投入已经开始见效。
编译者注:还有一处反直觉的减法——早期手掌已经足够强壮,能举起100磅以上的重物,所以不需要再增加强度,反而可以考虑略微降低它,以进一步提升执行透明度。早期手在某些复杂任务上暴露的挑战,也直接影响到了当前设计。
为什么手必须自研

至于是否考虑过外购现成的末端执行器,Rodriguez的回答很干脆:他们始终在关注业界最先进的方案,但手是人形机器人价值主张的核心集成部分,除了自研很难有别的路。正如波士顿动力在博客文章中所说,所有手都出自一个后果深远的能力权衡,理解它如何嵌入产品路线图才是关键。
耐久性问题——机械手如何扛过无数个班次——则没有捷径:从一支做过很多次、对可靠硬件建立了直觉的硬件设计团队开始;行为团队与硬件团队在早期设计阶段深度协作,用仿真和模型样机锁定形态、传感、扭矩分布等关键设计特征;早期原型交给系统、控制和行为团队使用一段时间,尽可能挖出那些"未知的未知";再通过严格的验证与确认测试确认行为达到预期。Rodriguez承认,这套流程繁琐且初期似乎拖慢部署,但它让你比"在客户现场痛苦地发现问题"更快地修正问题,最终反而是加速。
四个动作,定了四根手指
手指数量的决策过程依赖直觉、概念设计期的"大熵期",以及一套希望手能完成的任务清单——产品路线图为Atlas圈定了具体的操作任务,工具使用是重要例子,此外从"Atlas应该能捡起多小的螺丝"到"手应该能伸进多小的空间"都在清单上。
另一个定标方法,是把灵巧操作需要的关键动作列成清单逐项衡量设计。他们聚焦的动作包括:拇指指尖能沿其他手指的长度滑动;拇指指尖能横向滑过手指;拇指指尖能与食指在灵巧捏握中相对晃动;能对扳机式工具手柄施加强力抓握。手指数量、每指关节数这类决策很难,但他们始终保持务实视角,紧盯着成本和可靠性这两个规模化制造的关键因素。

编译者注:一个细节值得玩味——曾获得大量初期支持的设计是双拇指,两手各一根,好处是不需要区分左右手,单条装配线就能生产。最终被否决,因为它带来额外的驱动复杂度,转而吃掉自由度、成本和体积。
为仿真而造的手
这只手最不显眼、却可能最重要的特质,是它为仿真而生。Rodriguez解释:驱动与传动设计始终着眼于后向可驱动性和透明度;控制侧则开发了补偿技术来抵消执行器残留的非理想性,比如对不同类型的摩擦做补偿。这一切让精确的动力学仿真成为可能——而这正是整台机器人设计哲学的关键。它让强化学习能更有效地训练出使用本体感觉的策略:执行器自己能感知到"你正在向后推它",训练成果可以直接迁移到硬件上。
"这和过去几年敏捷人形行为成功的配方完全一致:造出仿真表现好的执行器,然后依赖大规模强化学习。"Rodriguez确信,在仿真中使用RL的能力,将成为下一代复杂灵巧操作的关键推动力,让机器人超越抓取放置——那些难以遥操作或示教的任务,因为再现它们所需的大量信息,藏在接触与压力分布的快速变化里。
进展方面,新手指已在波士顿动力总部被广泛使用,但尚未部署到整个机器人机队——那是一个需要协调和时间的流程,要确保不打乱数据采集和应用运行的常规节奏。

结尾判断
客观地说,在人人都在给手加自由度、加传感、加触觉皮肤的年代,波士顿动力选择减掉一根手指、略降一点强度、否决一个聪明的双拇指方案。这只13自由度的四指手想说的其实是一句话:通往规模化生产的路,是从克制开始的。
以上信息由AI整理发布