人类的双手能够在日常中完成拧灯泡、分拣药丸、从卡片堆中抽出一张等精细动作，依靠的是拇指与食指之间复杂的力学配合与触觉反馈。相比之下，机器人手在精细操作方面长期存在明显差距：传统刚性手精度高但缺乏柔性，容易损坏物体或产生冲击；全软体手适应性强但控制精度和出力不足；气动驱动虽然柔顺，但气体的可压缩性导致定位精度下降。
针对这一挑战，香港中文大学与加州大学伯克利分校的研究团队提出了一款名为DexCo Hand的机器人手，通过软液压驱动和仿生设计，在控制复杂度、灵巧性、柔性与运动精度之间取得了新的平衡。该成果发表于《IEEE Transactions on Robotics》。
人类与DexCo手完成的精细操作对比
一、从人手抽象出关键特征：两根手指，一个会动的掌心
人手拇指拥有6个自由度，食指也有多个关节，但真正实现精细捏取与手内操作的核心在于：拇指与食指的相对位置调整和接触面对齐。研究者分析了这一机制后，没有盲目复制全部关节，而是抽象出三个关键特征：弯曲运动、内收/外展、以及拇指相对于手掌的大范围运动。
最终设计的DexCo手仅包含两根手指，每根手指具有3个主动自由度，两个用于弯曲，一个用于侧摆，外加一个可平移的气动手掌，行程为60毫米。这样的结构虽然比五根手指简单，却恰好抓住了精细操作所需的运动学本质。
人手的关节自由度与接触示意
从人手到机器人手的映射
二、软液压驱动：出力与柔顺的统一
DexCo手最核心的创新在于其软液压驱动机构。每根手指的关节由一对波纹管型软体驱动器驱动，内部充满不可压缩的液体。与气动驱动相比，液压驱动几乎无压缩性，因此控制精度更高、刚度更大；同时，驱动器外壳采用弹性材料，在接触物体时会发生局部变形，提供天然的柔性——既不会在用力时损坏物体，也不会因刚性冲击导致系统失稳。
研究者建立了驱动器的力学模型，将输出力分解为弹性力与静水压力两部分，理论计算与实测结果吻合良好。实验表明，驱动器的力输出范围约为-122.4 N至27.4 N，且长度越长，正向拉伸能力越弱；长度越短，负向压缩能力越弱。
手部结构与传感器安装位置
三、本体感知：让手知道自己的姿态
为了实现精确控制，DexCo手集成了本体感知系统。每根手指的指节上装有九轴惯性测量单元IMU，手掌处装有线性电位计。通过融合IMU数据与手掌已知姿态，可以实时解算出每个关节的角度。
精度实验显示，IMU反馈的角度误差在0°到5°之间，具体取决于运动模式。稳定性实验表明，在静止状态下，各角度的漂移斜率平均值约为-0.49×10⁻³ °/s，残差平方和在0.08°到0.64°之间，足以支撑10分钟以上的连续精细操作。
IMU的精度与漂移测试
四、定量测评：抓力、速度与重复精度
论文参照机器人手标准化测评流程，对DexCo手进行了多项定量测试。在全手掌包裹式抓握（如握圆柱体）时，平均抓握力为24N至27N；在用指尖对捏（如捏方块）时，抓握力随物体尺寸增大而从20N提升至38N。抓握周期时间方面，全手掌抓握约需1.3至1.4秒，指尖对捏则随物体尺寸增大而从2.04秒缩短至1.02秒。单指力量测试表明，手指在弯曲方向上可达34.8N，在伸展方向上约为15.6N。重复定位精度方面，在良好状态下手指返回同一位置的偏差仅为0.03mm，与传统刚性手相当。此外，研究还测试了扭转力：当手指用指尖捏住直径90mm的物体并旋转时，产生的扭矩可达0.587Nm。这些数据表明，DexCo手在力量、速度和精度方面已具备执行真实精细任务的能力。
五、精细操作演示：从拧灯泡到数卡片
论文展示了七类典型的手内精细操作，这些操作均通过游戏手柄遥操作实现，而非依赖预设脚本。研究者设计了位置控制和速度控制两种模式，可直观地指挥七自由度的运动。
第一类是拧灯泡，手的中轴与灯泡轴错开，依靠手掌宽度和手指弯曲的配合完成正反旋转，柔性确保在不对准时也不会卡死。第二类是开卡盒，用指尖从盒子顶部的半圆开口处插入并掀开，手臂保持不动，仅靠手指的侧摆自由度完成。第三类是分拣药丸，从一堆药丸中用指尖捻起几颗，再通过指尖滑动将颗粒分散到不同位置。第四类是杂乱箱中拾取，在堆叠拥挤的空间里，依靠指尖的灵巧性避开障碍，只抓取目标物体。第五类是数卡片，用拇指和食指从一叠卡片的最上面一次只捻出一张，手臂随后上抬将卡片抽出。第六类是开塑料袋，先用指尖将未打开的薄塑料袋搓开一条缝，再换另一只手抓住另一边，最后用手臂拉开。第七类是手内旋转与笼状抓取，通过手掌的平移和手指的弯曲，实现物体在手掌内的滑动和旋转，从而扩大操作范围。
精细操作演示
六、软硬结合的思路与未来方向
DexCo手的成功，本质上在于软体驱动与刚性结构的协同设计。软驱动器提供天然的柔性和接触安全性，刚性连杆和精密传感器保证力的传递和重复定位精度，仿生抽象则把复杂的多指协调简化为两指一掌的实用构型。
研究者还为DexCo手开发了ROS仿真包，能够在Gazebo中模拟非线性变刚度弹性力，为后续算法开发提供了虚拟平台。
DexCo手仿真器
当前DexCo手主要依赖遥操作，未来工作将聚焦于自主操作能力的提升，包括结合视觉与触觉反馈的自主学习算法。同时，研究团队计划优化手部的耐用性和能效，并探索在医疗、制造、服务等领域的实际应用。该研究为机器人精细手内操作提供了一条软硬结合、仿生驱动的可行路径，在控制复杂度与操作能力之间取得了有意义的平衡。
七、启示
这篇文章给聚变堆重载机械臂的设计带来了值得借鉴的思路。聚变堆环境下的维护任务通常面临空间受限、负载巨大等极端条件，传统的刚性机械臂虽然在承载能力上具有优势，但在柔性、接触适应性和精细操作方面存在不足。DexCo手的设计理念为我们提供了一种新的视角：在重载机械臂的末端或局部关节中引入可控的柔性，可以在不牺牲整体承载能力的前提下，提升对复杂环境的适应能力，减少因定位误差或碰撞导致的损坏风险。将软体驱动与柔顺控制的理念引入重载机械臂设计，有望提升聚变堆维护作业的安全性与灵巧性，是我们未来可深入探索的方向。
【论文信息】
标题：A Dexterous and Compliant (DexCo) Hand Based on Soft Hydraulic Actuation for Human-Inspired Fine In-Hand Manipulation
作者：Jianshu Zhou, Junda Huang, Qi Dou, Pieter Abbeel, Yunhui Liu
期刊：IEEE Transactions on Robotics
关键词：抓取与操作、本体感觉、仿生手、软体驱动、软体机器人技术
DOI：10.1109/TRO.2024.3508932
