AI-translated from English; not yet reviewed by a fluent editor. # Boston Dynamics entwickelt Atlas’ neue Hand, damit sie den Werkzeugeinsatz erlernen kann > Die vierfingrige Atlas-Hand von Boston Dynamics verbindet 13 Freiheitsgrade, rücktreibbare Aktuatoren und Tastsensorik mit bestärkendem Lernen in der Simulation. Das Unternehmen berichtet von ersten Transferergebnissen, veröffentlicht aber weder einen Benchmark noch einen kommerziellen Einsatz. By BIG CHANGE Editorial Published: 2026-10-09T20:36:05.023Z Updated: 2026-10-09T20:36:05.023Z Canonical: https://bigchange.ai/blog/boston-dynamics-atlas-hand-learned-tool-use ![An unbranded four-finger robotic hand hovers above a small cylindrical handle on a workshop bench, supported by a bolted fixture.](https://bigchange.ai/api/media/file/atlas-hand-concept-hero-v1.png) AI-generated conceptual illustration by BIG CHANGE. The generic hand is not Atlas hardware, a Boston Dynamics product rendering, or a test demonstration. [Die neue Atlas-Hand von Boston Dynamics](https://bostondynamics.com/blog/robot-hands-for-modern-ai-and-real-work/) hat vier Finger, 13 Freiheitsgrade und Drucksensoren in der Handfläche und an den Fingerspitzen. Laut Unternehmen soll die Hardware geschickte Manipulationen in der Simulation leichter trainierbar und auf den physischen Roboter übertragbar machen. Der öffentliche Bericht beschreibt erste Ergebnisse beim Transfer von der Simulation in die Realität, enthält aber weder einen Benchmark noch aufgabenbezogene Erfolgsraten oder Belege für einen kommerziellen Einsatz. ## Die große Veränderung - **Was sich geändert hat:** Boston Dynamics beschreibt eine Atlas-Hand der neuen Generation mit mehr Gelenken als die frühere Version mit sieben Freiheitsgraden, direktem Antrieb und dichter Tastsensorik. - **So funktioniert es:** Das Unternehmen sagt, es modelliere die Geometrie der Hand, das Motorverhalten und den Kontakt mit Objekten und trainiere anschließend Richtlinien für bestärkendes Lernen in einer Simulation mit randomisierten Bedingungen, bevor sie auf der Hardware ausgeführt werden. - **Warum das wichtig ist:**Manipulation hängt davon ab, wie sich Finger bewegen, Kontakt wahrnehmen und auf Kräfte reagieren. Eine Hand mit vorhersehbarem Verhalten in der Simulation könnte Ingenieuren ermöglichen, mehr Steuerung zu trainieren, bevor sie den physischen Roboter einsetzen. - **Was belegt ist:**Boston Dynamics berichtet von einem ersten vielversprechenden Transfer bei dynamischen Aufgaben. Das Unternehmen nennt weder die Aufgaben noch Stichprobengrößen, Erfolgsraten, Vergleichsbasis oder Einsatzzeitplan. ## Vier Finger, mit einem leistungsfähigeren Daumen [Boston Dynamics gibt für die neue Hand 13 Freiheitsgrade an](https://bostondynamics.com/blog/robot-hands-for-modern-ai-and-real-work/): vier im opponierbaren Daumen und jeweils drei in den anderen drei Fingern. Der Daumen könne an den übrigen Fingern entlang und quer dazu gleiten, sodass Pinzetten- und Dreipunktgriffe möglich seien. Das Unternehmen beschreibt auch, ein Werkzeug zu halten und gleichzeitig dessen Abzug zu drücken. Das Design verzichtet auf einen fünften Finger. [Boston Dynamics zufolge](https://bostondynamics.com/blog/robot-hands-for-modern-ai-and-real-work/) würde ein zusätzlicher Finger drei weitere Aktuatoren erfordern und zugleich Kosten, Platzbedarf und Stromverbrauch erhöhen sowie mehr fehleranfällige Komponenten hinzufügen. Das Unternehmen beschreibt dies als Abwägung je nach Aufgabe: Eine Hand mit vier Fingern könnte für die angestrebten Manipulationsbewegungen ausreichen und zugleich die mechanische Komplexität verringern. Das ist die Designbegründung des Unternehmens, kein Beleg dafür, dass die Hand jede Aufgabe einer menschlichen Hand bewältigt. Laut Unternehmen entspricht die Hand ungefähr der Größe einer großen menschlichen Hand. Sie kann daher in für Menschen dimensionierte Räume greifen und für Menschen entwickelte Werkzeuge nutzen. Boston Dynamics beschreibt abgedichtete Aktuatoren, Direktantrieb und Rücktreibbarkeit als Möglichkeiten, die Gelenke auf Kräfte aus der Umgebung reagieren zu lassen. Dichte Drucksensoren bedeckten Handfläche und Fingerspitzen; die Aktuatorrückmeldung liefere propriozeptive Informationen über Gelenkbewegung und Kraft. Diese Entscheidungen betreffen unterschiedliche Steuerungsprobleme. Gelenkrückmeldungen können einer Steuerung helfen, die Fingerbewegung und ihre Reaktion auf den Gegendruck eines Objekts einzuschätzen. Tastsensoren können den Kontakt über die ganze Hand erfassen. Das Unternehmen stellt beides als Teil des Designs dar, berichtet aber keine separate Bewertung, die zeigt, wie stark eines der Sensorsysteme die Aufgabenleistung verbessert. ## Warum die Hand für Simulationen ausgelegt ist Das Training einer geschickten Roboterpolitik erfordert mehr, als die Handbewegungen eines Menschen aufzuzeichnen. Boston Dynamics argumentiert, dass tragbare Demonstrationssysteme zwar erfassen können, was ein Mensch tut, aber nicht alle schnellen Kraftanpassungen, die zur Steuerung von Roboterfingern nötig sind. Der Ansatz verbindet bestärkendes Lernen auf Simulationsbasis mit einer Hand, deren physisches Verhalten modelliert werden kann. [Das Unternehmen nennt drei Bestandteile dieser Simulation](https://bostondynamics.com/blog/robot-hands-for-modern-ai-and-real-work/): Kinematik, also Handgeometrie und Gelenkpositionen; Dynamik mit Reibung, Drehmoment und Spiel; sowie Kontakt, also die Wechselwirkung der Finger mit einem Objekt. Beim Training würden Motor-Drehmomentprofile, Oberflächenreibung, Objektgeometrie und Aufgabenstörungen randomisiert. Diese Variationen sollen die Richtlinie vor dem Einsatz an der echten Hand unterschiedlichen Bedingungen aussetzen. [Boston Dynamics berichtet von einem ersten Transfer aus der Simulation in die Realität bei dynamischen Aufgaben](https://bostondynamics.com/blog/robot-hands-for-modern-ai-and-real-work/). Das Unternehmen sagt, diese Verhaltensweisen seien mit Domain-Randomisierung in der Simulation trainiert und anschließend mit hochfrequenter propriozeptiver Aktuatorrückmeldung auf der physischen Hand ausgeführt worden. Der Beitrag nennt weder Aufgaben noch Versuchszahl, Erfolgsschwelle, Umfang der verwendeten Tastsensordaten oder Architektur der Richtlinie. „Vielversprechend“ ist die Einschätzung des Unternehmens; der Bericht ist kein unabhängig bewerteter Benchmark. ## Eine Entwicklungsrichtung, kein Einsatzergebnis Der erklärte Zweck der Hand ist, das Training des Werkzeugeinsatzes und anderer präziser Manipulationen zu erleichtern. Die Ankündigung macht verständlich, wie Boston Dynamics mechanisches Design mit bestärkendem Lernen verknüpft: direkt angetriebene, rücktreibbare Gelenke und ein Kontaktmodell sollen die Unterschiede zwischen simuliertem und physischem Verhalten verringern. Derselbe Beitrag bezeichnet eine zuverlässige und kostengünstige Fertigung als langfristiges Ziel. Er nennt weder einen Liefertermin für die neue Hand noch die Zahl der Atlas-Roboter, die sie nutzen, außerhalb von Demonstrationen abgeschlossene Aufgaben oder einen Kundeneinsatz. Das sind andere Fragen als die, ob sich in der Simulation eine auf Hardware übertragbare Richtlinie trainieren lässt. ## Quellen und weiterführende Lektüre - [Boston Dynamics, „Robot Hands for Modern AI and Real Work“](https://bostondynamics.com/blog/robot-hands-for-modern-ai-and-real-work/). Technische Erläuterung des Unternehmens zu Handdesign, Sensorik und Simulationsansatz einschließlich der ersten Behauptung zum Transfer von der Simulation in die Realität. Die Seite nennt kein Veröffentlichungsdatum; geprüft am 9. Oktober 2026. Unabhängige Benchmarks oder Belege für einen kommerziellen Einsatz fehlen. - [The Robot Report, „Boston Dynamics gives more insight into its redesigned humanoid hand“](https://www.therobotreport.com/boston-dynamics-gives-more-insight-into-its-redesigned-humanoid-hand). Interviewkontext zur Neugestaltung. Es handelt sich nicht um einen unabhängigen Leistungstest; der Artikel stützt sich bei Handdaten und berichteten Lernergebnissen auf Boston Dynamics. ## Sources - [Boston Dynamics, Robot Hands for Modern AI and Real Work](https://bostondynamics.com/blog/robot-hands-for-modern-ai-and-real-work/) — Primärquelle zu Design, Sensorik, Simulation und dem vom Unternehmen berichteten ersten Transfer aus der Simulation in die Realität. - [The Robot Report, Boston Dynamics gives more insight into its redesigned humanoid hand](https://www.therobotreport.com/boston-dynamics-gives-more-insight-into-its-redesigned-humanoid-hand) — Interviewkontext; keine einzigartige Tatsachenbehauptung des Artikels stützt sich darauf, und es ist kein Leistungstest.