自由度狂欢之后，灵巧手在比什么？

作者｜钱增婕

从弹钢琴、单手复原魔方，到穿针引线，人形机器人正在把「手」的能力演示推向越来越复杂的极限。

而这些动作背后，行业都在关注一个被当作「门面参数」的指标：自由度。

几年前，灵巧手的自由度还停留在个位数；如今，主流产品普遍突破 20 个自由度，部分甚至超过了人类手部 27 个自由度。

自由度也从有没有进入有多少的竞争阶段。

与此同时，一个新的问题也开始浮现：自由度越来越高，是否真的意味着灵巧手越来越强？

自由度仍在升级，

但灵巧手进入「能力考验期」

自由度为灵巧手提供了动作的「骨架」，没有足够的自由度，灵巧手就做不了足够灵活的动作。

无论是工业场景的精密拧螺丝、零部件微组装，还是医疗场景的微创辅助操作、柔性物件精细处理，以及家政场景的穿戴、分拣、整理等复杂动作，都依赖于充足的自由度作为基础支撑。

正因如此，高自由度的持续迭代，始终是灵巧手演进的核心方向之一。

它不断拓宽动作边界，目的是为了解决手能做多少种动作，怎么实现各类精细操作，并推动灵巧手从简单抓取走向工业装配、医疗操作、家庭服务等更为复杂的真实场景。

但更多关节在带来能力提升的同时，也必然伴随着重量攀升、功耗增加、结构复杂度上升以及系统可靠性下降等连锁工程代价。

这也是很多灵巧手展会上惊艳，上线却掉链子的原因。

随着关节、执行器、传动件与传感器数量成倍增加，磨损、热管理、结构疲劳与批次一致性问题会被同步放大，长期运行的可靠性反而成了最难的一关。

特斯拉 Optimus Gen 3的灵巧手就是一个典型样本：

22 个手部自由度，配合约 50 个执行器，并把大部分驱动单元后移至前臂，用类腱绳结构带动手指。

这套方案把动态操作能力推得很高，但也意味着复杂度陡增：真正的 24×7 工业耐久数据，只有进入规模化产线之后才会开始积累。

工程现实因此摆在台面上：高自由度、轻量化、长期稳定性，三者构成一个不可能同时做到极致的三角，任何产品都必须做取舍。

评价逻辑也随之重构，市场不再单纯迷恋自由度数量带来的账面光环，而是更关注每一个自由度能否真正转化为稳定、可用、耐用的实际作业能力。

自由度决定的是算法的上限，而不是产品的表现。

自由度之后，大家在比拼什么？

随着灵巧手自由度技术日趋成熟，行业参数比拼赛道不断收窄，竞争走向多元，仅依靠自由度已难以形成产品差异化。

头部企业纷纷跳出同质化内卷，立足实际应用需求，在真实场景落地中寻找突破。

灵巧手仍面临着重量控制、力量输出、触觉感知、动力系统等底层工程难题。

而这些关键能力，也成为灵巧手竞争的核心考验。

第一场考验，能力能否用足够轻的重量来承载？

高自由度带来的最大工程痛点，就是重量控制。原则上，自由度越多，所需的驱动、传动、传感模组就越复杂，手部整体重量也随之大幅增加。

而灵巧手作为机器人的末端执行机构，重量绝非无关紧要的次要参数，而是直接决定机器人整机运动性能、续航能力与作业稳定性的核心指标。

手部太重，机械臂首先就抗不住。因为运行负荷加大，响应也跟着变慢，动作也就没那么灵活了，耗电随之增加，续航自然缩水。

更麻烦的是，机器人一旦做高速运动、快速转身或在复杂地形作业，重心稍有不稳，就容易抖动、跑偏，严重的甚至直接站不住。

轻量化的难点从来不是减重，而是在不砍自由度、不降性能的前提下减重。

曦诺未来 Flex 2 采用腱绳+直驱混合驱动方案，拥有 23 个自由度（包含 19 个主动自由度与 4 个被动自由度），但整手重量只有 400 克。

其核心减重秘诀在于，将大推力核心电机置于前臂，通过高强度腱绳传动结构带动手指屈伸、关节转动，彻底解放了手部空间与重量负担。

这种轻量化设计，让 Flex 2 在保持高自由度的同时，拥有更快的运动响应速度，每秒可完成 2 次完整的握拳、伸展循环动作，手指运动顺滑轻盈，仿生灵活度无限接近人类手部。

第二场考验，一只手能不能既拿针又搬货？

灵巧手的「灵巧」二字，容易让人忽略它对力量的需求。

但在真实应用环境中，无论是工业生产线上几十公斤的物料搬运、零部件的精密装配，还是家庭环境里的日用品收纳整理、重物搬移挪动，都对灵巧手提出了一个看似矛盾却又必须兼得的要求：

既要像人手一样精准操作，又要能输出足够力量完成重载任务。

当人形机器人真正进厂，精细操作与力量输出不是二选一，而是同一只手必须同时具备的能力。

源升智能 Apex Hand走的就是灵活度与负载都不让的路线。

产品搭载 21 个高精度自由度，满分通过了 Kapandji 对指测试（医学评价人手灵活性的核心标准），这意味着它的手指运动范围已经覆盖了更多接近人手的抓取姿态，让机器人拥有了完成复杂精细任务的动作基础。

而在力量维度上，它并未因追求灵活而妥协，单手最大静态负载达到 30 公斤，足以覆盖工业重载搬运与重型装配场景。

知行机器人的束巧则换了一个思路：走了一条更为巧妙的「自适应重载」路线。

核心亮点在于首创左右手实时自适应切换，可根据作业场景、物体形态，自主调整手指抓取姿态与关节角度，在左右手模式间无缝切换，从而灵活应对各类不规则物体作业。

单手 50N 最大抓握力和单指指尖力 10N，力控精度可达±0.1N，既能在重载物料搬运中拿得稳，又能在微小零件精密操控中举得细，用「一手多用」的方式实现了重载与精控的双向兼顾。

第三场考验，视觉解决抓哪里，触觉解决抓住了吗?

视觉能让机器人找到物体，但触觉才让机器人真正知道自己碰到了什么。手指的最后一厘米，恰恰是视觉的盲区。

在实际作业中，物体是否发生滑动、表面是否受挤压形变、物料软硬纹理差异、接触温度变化等精细化物理信息，都是视觉感知无法捕捉的关键数据。

但对于灵巧手而言，这些数据正是避免抓取滑落、物件破损、作业失误的核心依据，需要高精度触觉、力觉感知系统补足。

想要补上这一视觉感知短板，细腻且精准的触觉能力，就成了机器人精细作业的核心关键，帕西尼的路径，是把触觉做成「全域覆盖」而非局部点位。

其 DexH13 仿生灵巧手打造出一套全覆盖、高密度的全域触觉感知体系。单手搭载 1140 个 ITPU 多维触觉传感单元，形成高密度传感阵列，可实时完成多维力检测、精准识别压力分布状态。

同时依托 15 类标准化触觉感知能力，精准分辨物体的材质、温度、纹理、硬度等多重物理特征。在力控精度方面，其能够达到 0.01N 级别，可以感知毫牛级的细微受力变化。

这意味着面对易碎物品、柔性材料以及复杂异形物体时，灵巧手不再只是依靠预设动作完成抓取，而是能够根据接触状态实时调整力度，真正实现触之即知、知之即调的智能交互效果。

第四场考验，决定量产的不是最高参数，而是一致性。

无论是轻量化设计、强大的力量输出，还是细腻的触觉反馈，灵巧手所有的性能优势，最终都需要依靠核心执行器落地实现。

作为灵巧手的动力心脏，执行器的尺寸规格、输出推力、响应速度和运行稳定性，直接决定了产品的性能上限。

在这一核心领域，因时机器人自研量产微型伺服电缸，将电机、减速器、丝杠、传感器与伺服控制系统压缩于模组内部，并将这套思路集成在 RH56E2 五指灵巧手上。

不仅摆脱通用模组依赖、实现硬件自主可控，同时也简化内部结构、降低装配难度和故障隐患，最终也提升了批量一致性和运行稳定性。

凭借自研核心执行器与工程化能力，因时机器人的灵巧手在 2025 年全年交付量突破 1 万台，率先跑通了规模化量产闭环。

硬件仍在演进，终局竞争是「智能」

当参数趋同成为常态，真正的分野不再取决于能不能做到的物理极限，而在于懂不懂怎么做的场景理解力。

过去的灵巧手，更像是被动执行工具，工程师需要提前规划动作路径、设定控制参数，机器人按照预设程序完成固定任务。

但真实世界中的操作往往充满不确定性，物体形态会变化，接触状态会改变，环境也会不断产生干扰。

而围绕这一方向，行业正在探索不同的智能化路径。

临界点选择从底层控制架构重构入手，把复杂的操作拆成做什么和怎么做两个部分，上层做长序列任务规划，下层做毫秒级力控执行。

这种分层方式，让机器人不必依赖大量预设动作，而能够根据任务目标生成更加灵活的操作方案。

在 ICRA 2026 上，临界点通过 OmniHand 3 Ultra-M 全直驱灵巧手完成双手协同折气球狗演示，展示了复杂任务连续执行的能力。

Sharpa 则进一步把分层架构向感知端延伸，让机器人通过触觉建立对物理世界的理解。

它在System 0 层加入了触觉感知模块，并依托大量真实操作数据训练通用触觉策略，让灵巧手能够根据接触反馈自主调整动作。

这种方式改变了传统机器人依赖精准路径规划的模式，使灵巧手能够在面对不同物体、不同环境时完成策略迁移，提高真实场景中的适应能力。

而进一步的发展，则是让机器人拥有类似人类的本能反应。

人类抓取物体时，并不会实时计算每一个关节角度，而是在接触发生后，依靠神经反馈快速调整力度。

曦诺未来选择将这种能力融入算法系统，在 Flex 2 中加入类似小脑的反射机制。

通过接触反射、防滑反射等控制算法，灵巧手能够根据物体软硬程度、表面特征自主调整抓握策略，不需要针对每一种物体重新设计控制程序，大幅降低复杂场景下的适配成本。

从事后修正走向事前预判，是当前最前沿的一步。

它石智航把智能能力进一步前置，实现接触发生之前的预判。

DexHand 灵巧手接入了通用具身大模型 AWE 3.0，通过融合力矩感知、视觉建模与具身大模型，搭建视触觉推演世界模型。

跳出了接触后响应的传统控制逻辑，实现接触前的状态预判与动作预调，把灵巧手的控制逻辑从被动事后修正，升级为主动事前预判。

硬件让灵巧手拥有了一双越来越接近人类的手，而智能则决定了这双手能否真正像人一样工作。

未来，决定机器人上限的，不只是拥有多少自由度，而是能不能把这些硬件能力转化为稳定可靠的操作能力。

因为机器人真正触碰世界的能力，最终都要落在这双手上。

而这场长跑，才刚刚进入下半场。