6月9日，国际期刊在《自然·机器智能》（Nature Machine Intelligence）刊登了由北京通用人工智能研究院、北京大学、伦敦大学玛丽女王学院研究团队的最新成果——突破性仿生灵巧机器手——F-TAC Hand，该系统在掌面70%的面积上集成了高分辨率触觉感知，首次实现类人水平的自适应抓取能力，实现了机器人智能与其在真实动态环境中交互能力的一次重大飞跃。这一突破性成果印证了中国科研团队在前沿领域的自主创新能力，也更标志着中国在人工智能和机器人技术领域已跻身世界前沿。
图1. Nature Machine Intelligence 截图
-
论文的第一作者是北京大学人工智能研究院博士生赵秭杭、北京通用人工智能研究院研究员李皖林、北京大学人工智能研究院博士生李宇飏、北京通用人工智能研究院研究员刘腾宇。
-
通讯作者为北京通用人工智能研究院研究员刘航欣、北京大学人工智能研究院助理教授朱毅鑫、英国伦敦大学玛丽女王学院教授Kaspar Althoefer。
-
论文作者还包括北京通用人工智能研究院研究员李博韧、王濛，北京大学人工智能研究院杜凯，北京大学工学院教授王启宁，北京大学人工智能研究院教授朱松纯。
论文链接（点击下方阅读原文）：
https://www.nature.com/articles/s42256-025-01053-3
随着人类的进化，手部的功能由攀爬转为使用工具，并逐渐掌握了精准抓握能力。手部既是人类改造自然与外界交互的核心器官，也是智能的核心载体。人的手部具有结构高度复杂、功能极为精密的特点，手部由27块骨骼和34块肌肉组成，提供了24个自由度的灵活性，对人类手部功能的研究是具身智能与机器人学科研的前沿领域。
人在拿取物体时涉及到“触觉反馈”与“运动功能”两大能力：触觉反馈包含运动觉（通过肌肉、肌腱和关节感知力量）与皮肤触觉（通过皮肤感知接触状态、纹理、温度、摩擦力等物理特性）；运动功能包括运动学（研究关节的角度、位置及其运动的几何关系）与动力学（研究力和扭矩应该如何作用于关节和肢体，从而实现精确的运动控制）。
在以往的研究中，触觉反馈与运动能力的整合被认为是机器人研究领域中的关键挑战之一。F-TAC Hand通过传感器与结构一体化设计成功突破了这一瓶颈。首先，从硬件角度来看，如何避免触觉传感器的引入对机器人的运动灵活性造成影响是第一个难题，同时当前的触觉传感技术在覆盖率、分辨率和耐久性等方面仍难以满足实际应用需求。其次，即便获得了具备高分辨率触觉感知能力的机器手，如何高效地处理大量的触觉数据，并以此驱动每个关节协同运动，使其在高自由度空间中像人一样完成复杂的任务，依然是一个亟待解决的难题。
联合科研团队取得的成果是首次在保持完整运动能力的前提下，实现了机器手掌表面70%区域的高分辨率触觉覆盖，使机器人能够像人类一样通过触觉反馈进行精确操作和适应性抓取。
在缺乏丰富的触觉反馈的情况下，目前主流的机器手或抓取器难以应对动态环境中的复杂操作任务。论文第一作者、北京大学人工智能研究院博士生赵秭杭介绍道："人类手部的灵活性和适应性很大程度上归功于其密集的触觉传感能力，这使我们能够精确感知与调整抓握过程。例如，人类在抓取一个装满水的杯子与一个空杯子时，抓握杯子的位置、角度、方式可能完全不同。然而，在机器人领域，如何在不影响运动功能的前提下实现全手触觉覆盖一直是一个难题。"（图2） 研究团队开发的F-TAC Hand解决了这一难题。高分辨率触觉传感器覆盖了该手部系统手掌表面70%的广大区域，空间分辨率达到0.1毫米，相当于每平方厘米约有10,000个触觉像素，远超目前商用机器手的触觉感知能力，如目前最先进的Shadow Hand仅在指尖提供单点力传感。
图2. F-TAC Hand 与人手比较
F-TAC Hand的设计灵感来源于人类手部的生物结构。"人类手部触觉系统由两个关键要素组成：遍布皮肤的密集触觉传感器阵列和大脑中专门解释这些海量感觉输入的神经处理机制。我们的F-TAC Hand模拟了这种设计，将17个高分辨率触觉传感器以6种不同配置集成在一起，同时巧妙地将传感器设计为既是感知元件又是结构部件，从而在不牺牲灵活性的前提下实现了前所未有的触觉覆盖范围。"赵秭杭介绍道。这种创新设计使F-TAC Hand能够像人类手掌一样，在抓取过程中实时感知接触变化并迅速调整，极大提升了机器人在不确定环境中的操作稳定性。
“我们首次在真实人手比例的机械手中成功嵌入了17个视触觉传感器提供实时的高分辨率感知，这是此前从未有过的突破。” 论文共同第一作者、通研院研究员李皖林介绍道。“我们精心设计并制造了一种由多色光源、柔性硅胶体、刚性支撑件、微型摄像头以及相机控制板构成的模块化架构，在有限的空间内尽可能高效地实现了视触觉感知的最优化布局。通过精密的安装与精准的传感器标定实现了F-TAC Hand手部表面的高精度触觉覆盖。”
视频1. F-TAC Hand实时高分辨触觉感知能力
论文共同第一作者、通研院实习生、北京大学人工智能研究院博士生李宇飏说："机器手高度的关节灵活性会给控制算法带来极大挑战，我们通过开发一种生成人类多样化抓取策略的算法来解决这一问题。该算法基于概率模型，能够产生与人类非常相似的抓取方式，涵盖了人类常见的19种抓取类型。"
李宇飏进一步解释了F-TAC Hand的适应性智能机制："多物体同时抓取是评估机器手灵巧性的重要基准测试，比单一物体要复杂得多。抓取单一物品可以通过双指夹持的方式实现，但当用一只手抓取多个物体时，需要做精确的全手接触检测并调整运动策略才能实现精准、稳定抓取。”
实验结果表明，当理论上最优的抓取策略在现实环境中遇到障碍时，F-TAC Hand能够在约100毫秒内感知情况并快速切换到替代策略，确保任务完成。为验证这一技术的实际效果，研究团队在600次真实世界实验中评估了F-TAC Hand的多物体抓取能力。结果表明，相比没有触觉反馈的系统，F-TAC Hand在面临执行误差和物体碰撞风险时表现出显著的适应性优势，平均成功率从53.5%提升至了100%。这种基于触觉的闭环反馈机制，使F-TAC Hand能够像人类一样，在不确定环境中保持高效灵活的操作能力，这对机器人在家庭、医疗和工业环境中的实际应用至关重要。
视频2. F-TAC Hand自适应多物体抓取能力
人类有极强的抓握和操作能力很大程度上来自于我们人类对手掌上接触点、接触力分布的直觉性理解。论文共同第一作者、通研院通用视觉实验室研究员刘腾宇介绍，在常见的人类操作动作中，接触点通常分布在整个手掌，而非仅在指尖 —— 这点与目前多数商业机械手的触觉传感器分布并不相同。通过F-TAC Hand，我们首次可以在机械手上实现对全掌接触点的准确检测和建模，大大提高了我们对人类灵巧操作的理解，为未来灵巧手的研究打开一条新的道路。
论文通讯作者、北京大学人工智能研究院助理教授、北京大学武汉人工智能研究院具身智能实验室主任朱毅鑫说："我们的研究不仅是技术上的突破，更为理解智能的本质提供了全新视角。人类智能深深植根于身体的感知能力，尤其是手部的触觉体验对我们认知世界至关重要。F-TAC Hand的成果表明，丰富的感知能力对于机器智能的发展同样不可或缺。"
机器手作为人形机器人与外界交互的重要媒介，是机器人功能性的直接体现，需要“人手”参与的工作都是机器手的应用场景，在特定场景（如精密装配）中展现出超越人类手部的稳定性。由于其可提供超越人类手部稳定性的操作，该科研成果在对操作精度有极高要求的辅助手术、高精密组装类工作以及航空航天、应急响应等领域有广泛的落地场景。
这项研究成果有望推动机器人技术在医疗、工业制造、特殊环境作业等领域的落地应用。研究团队将继续深化触觉感知与机器人控制的结合，探索更加智能的体感交互范式，为实现真正意义上的通用人工智能奠定基础。
近年来大型语言模型等基于纯计算的人工智能取得了显著进展，但它们在处理物理世界的实际交互任务时仍面临巨大挑战。该项研究表明，真正的智能行为需要“知行合一”。F-TAC Hand的成功为“具身智能”开辟了新的研究方向，这种将高保真物理感知与智能控制系统结合的方法，代表了通向更高级别机器智能的重要路径。通过这项研究，研究团队不仅推动了机器人技术的发展，也加深了对智能本质的理解，对构建下一代人工智能系统具有重要启示意义，也将为具身智能与千行百业融合发展，赋能我国经济、社会高质量发展，注入新质生产力。
北京通用人工智能研究院
2025年，人形机器人产业迎来爆发拐点。特斯拉Optimus量产在即，华为、宇树等企业加速技术突破，行业正从“实验室研发”向“规模化落地”跃迁为打通产业链上下游协作壁垒，艾邦机器人正式组建"人形机器人全产业链交流群"，覆盖金属材料、复合材料、传感器、电机、减速器等全硬件环节，助力企业精准对接资源、共享前沿技术！
扫码关注公众号，底部菜单申请进群
