New Hands for Atlas | Boston Dynamics

**TL;DR：** 波士顿动力为 Atlas 换装新一代机械手 GR3——从 7 个自由度跃升到 13 个、尺寸与力量略超人类、高度反向驱动、可被干净仿真，为强化学习与大规模量产铺路。 ## 新一代 Atlas 机械手：为当前形态量身打造 视频开场展示了 Atlas 换装新一代机械手后的状态。设计团队明确表示，这只手是 Atlas 当前形态的"完美搭档"：设计之初就以简洁为核心，目标是为通往大规模量产铺平道路。 "多指机械手。当你想到里面的关节数量和电机数量时，它就像一台完整的小型机器人。"团队成员如此形容这只手的复杂度。 ## 自由度飞跃：从 GR2 的 7 个到 GR3 的 13 个 在手部运动学方面，新一代手的自由度数量显著增加。团队给出的对比数字是： - **GR2：7 个自由度** - **GR3：13 个自由度** 尺寸和力量上，这只手略大于普通人类的手，但平均而言力量也稍强一些。更大的自由度带来的不只是拟真度，而是直接拓宽了可执行任务的范围。 ## 设计目标：天生就该会做哪些灵巧操作？ 设计流程的出发点非常具体：团队带着明确的问题进入设计阶段——希望这些手天生就能实现哪些灵巧操作？他们列出的例子包括： - **灵巧的捏取抓握**：捏住一个小物件，同时用拇指去揉搓它； - **三指抓握**：有一定力度地握住物体，同时还能移动它； - **工具操作**：握住工具的手柄，同时又能按动它的扳机。 "总之是大量多样的灵巧操作行为。"团队强调，这些能力对 Atlas 的技能路线图至关重要。 ## 为什么是这些任务？物体姿态重定向 当前选择这些任务并非随意，而是因为它们代表了团队真正关心的能力。以物体姿态重定向为例，团队指出这两项核心任务都要求做到这一点——而这基本就代表了使用工具、以及使用需要组装在一起的零件的能力。恰恰是这两类能力，才是团队长期真正关注的方向。 强化学习目前被大量用于训练整个身体，而团队正在探索如何利用这些工具，真正让机器人能够运用它的手臂和手来操作物体。 ## 可仿真、且对力和运动透明 团队一直在努力让这些手既能被仿真，又能对力和运动保持"透明"： - 环境中施加在这些手指上的任何力都能被传递出来，机器人可以通过**本体感知**感受到它们； - 而机器人想要施加到环境中的任何运动，都能非常透明地执行。 这一点被视为非常宝贵的优势——它意味着这只手"可以被干净地仿真，从而为强化学习带来非常有价值的工作"，同时又非常接近拟人化。按团队的说法，人类示教与这只手的实体化之间的差距非常小。 ## 本体感知与反向驱动：性能之外的耐用性 视频中对两个关键概念作了说明： **本体感知（proprioception）** 是一个生物学术语，指的是你感知身体或肌肉在空间中的位置、是否在运动、以及施加了多大作用力的能力。 **反向驱动能力（backdrivability）** 则是这只手在工程上的关键特性。团队指出，它不仅有利于本体感知和生成灵巧行为，在冲击中也非常有用：当手撞击到某个硬物时，关节能够加速并避开；反之，如果执行器具有很大的惯性或摩擦，齿轮箱就会被损坏。 "所以这不仅有利于性能，也有利于耐用性。" ## 仿真要抓三件事：运动学、动力学、接触动力学 当团队想在仿真器中实际模拟这些执行器和这只手时，通常有三件事需要关注： 1. **运动学**：手的几何结构是怎样的？连杆在哪里？关节在哪里？ 2. **动力学**：系统中的摩擦有多大、它能施加多大力矩、系统中的回差（backlash）是多少，以及如何对这些进行仿真。 3. **接触动力学**：这个夹爪如何与环境交互？ 在做 sim-to-real 匹配时，团队考虑的其中一点是：不只是从单一方向去解决，而是**双向并进**。 ## 拇指还是两个？小指到底要不要？ 这些设计决策大多没有现成的答案，总是需要一定程度的直觉判断和反复试验。团队考虑过非常多的设计方案——比如希望这只手有一个拇指还是两个拇指？真的需要小指吗？归根结底，这是不同竞争目标之间的权衡。 因此他们采用了多种技术来辅助决策：使用仿真、3D 打印的模型，甚至亲自上手尝试。一个被提到的例子是：有一次 CTO **Zach** 让团队把小指和无名指缠在一起，这样过了一天，第二天他们就得出结论——"好吧，可能我们确实不需要那根手指。" 一位团队成员补充说，那次他不在场，事后还挺想补做一次实验。最终的结论是：没有小指。团队经过评估认为，额外增加的灵巧性和能够完成的任务，不值得为此付出多三个自由度、尺寸增大、功耗增加，以及增加额外执行器带来的一切额外复杂度。 ## 强化学习与 sim-to-real 的持续投入 目前强化学习被大量用于训练 Atlas 的整个身体，团队正在探索如何让机器人真正运用手臂和手来操作物体。为此，这只手被设计成既可仿真、又对力和运动透明，以打通 sim-to-real 的路径。 团队表示，他们在夹爪上一直在做的最难的工作，就是让仿真与实体之间的匹配尽可能可靠——甚至超出了预期："我没想到这份工作里要做这么多科学研究。" ## 结语：一场漫长的旅程 "手的旅程还很漫长，但这只手确实把我们置于了一个很好的位置，去完成今天必须完成的工作。"团队如此总结。他们同时表示，Atlas 团队正在积极推动技术的最前沿，而这只兼具拟人化形态、高自由度与良好反向驱动特性的机械手，正是其中的关键一环。 --- Source: https://www.youtube.com/watch?v=4whgw2gLBS8