又一只精美的机器手

WUJI 训练了其 20 关节机器人手 WUJI Hand 2 在物理模拟器中转笔，然后将训练好的策略直接部署到真实机械手上运行。

他们在 IROS 2026（国际智能机器人与系统会议）上展示了这一成果，同时展示了一只传感器手套，可以让人类实时控制这只机械手。

转笔是对机器人手的一大难题考验，因为笔会不断滚动、滑动、在手指间传递，任何一根手指稍微慢一拍就会让笔掉落。

@wuji_global 的 Hand 2 拥有 20 个关节，每根手指 4 个关节，每个关节由独立电机驱动，支持 1,000 Hz 的控制频率。

训练使用了 mjlab——一个基于 MuJoCo 物理模拟器构建的机器人学习工具包，同时运行 4,096 个虚拟手副本，采用 PPO（近端策略优化）进行训练，这是一种通过试错不断改进、对正确动作给予奖励的强化学习方法。

AI 学习跟随 40 个录制的转笔动作，分为 5 组，从绕单一轴的简单翻转到跨多个轴的连续旋转，每当笔偏离计划时，AI 都会实时调整手指。

在真实机械手上，策略以每秒 50 次的频率向全部 20 个关节发送目标指令，同时一台工业相机追踪一支 250mm 3D 打印笔两端的印刷标记以及手腕上的标签，确保 AI 始终掌握笔的位置。

手套则代表了另一种教机器人的方式：指尖上的 5 个电磁传感器以每秒 120 次的频率追踪每根手指的位置和角度，延迟约 10 毫秒或更低，软件将其转换为机械手需要复制的关节角度。

手套掌心的 526 点压力网格还可以记录人的握持力度，这对于收集“人类示范“型训练数据非常有用。

WUJI 以 Apache 2.0 开源协议发布了代码、动作片段、训练模型和可打印的笔模型文件，因此任何拥有一只 WUJI Hand 2、一台相机和一块 NVIDIA GPU 的实验室都可以复现整个方案。

WUJI（@wuji_global）： 在 WUJI Hand 2 上转笔，从仿真训练到真实执行。

我们使用动作参考追踪和强化学习，将仿真训练的策略迁移到真实机械手上。

代码和搭建指南均已开源，欢迎开发者和研究人员在此基础上继续构建。