AI-translated from English; not yet reviewed by a fluent editor. # Boston Dynamics conçoit la nouvelle main d’Atlas pour apprendre à utiliser des outils > La main à quatre doigts d’Atlas de Boston Dynamics associe 13 degrés de liberté, une motorisation rétroactionnable et la perception tactile à l’apprentissage par renforcement en simulation. L’entreprise fait état de premiers résultats de transfert, mais ne publie ni benchmark ni déploiement commercial. 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. [La nouvelle main d’Atlas de Boston Dynamics](https://bostondynamics.com/blog/robot-hands-for-modern-ai-and-real-work/) compte quatre doigts, 13 degrés de liberté et des capteurs de pression sur la paume et le bout des doigts. L’entreprise indique que le matériel vise à faciliter l’apprentissage de manipulations dextres en simulation et leur transfert au robot physique. Son compte rendu public décrit de premiers résultats de transfert de la simulation au réel, mais ne fournit ni benchmark, ni taux de réussite par tâche, ni preuve de déploiement commercial. ## Le grand changement - **Ce qui a changé :** Boston Dynamics présente une main Atlas de nouvelle génération, avec davantage d’articulations que sa précédente version à sept degrés de liberté, une motorisation directe et une perception tactile dense. - **Comment cela fonctionne :** L’entreprise indique modéliser la géométrie de la main, le comportement des moteurs et le contact avec les objets, puis entraîner des politiques d’apprentissage par renforcement dans une simulation aux conditions aléatoires avant de les exécuter sur le matériel. - **Pourquoi c’est important :**La manipulation dépend du mouvement des doigts, de leur perception du contact et de leur réaction aux forces. Une main au comportement prévisible en simulation pourrait permettre aux ingénieurs d’entraîner davantage de contrôles avant d’utiliser le robot physique. - **Ce qui est établi :**Boston Dynamics fait état d’un transfert initial prometteur sur des tâches dynamiques. L’entreprise ne divulgue ni les tâches, ni les tailles d’échantillon, ni les taux de réussite, ni la référence de comparaison, ni le calendrier de déploiement. ## Quatre doigts, avec un pouce plus capable [Boston Dynamics attribue 13 degrés de liberté à la nouvelle main](https://bostondynamics.com/blog/robot-hands-for-modern-ai-and-real-work/) : quatre au pouce opposable et trois à chacun des trois autres doigts. L’entreprise indique que le pouce peut glisser le long des autres doigts et transversalement à ceux-ci, ce qui permet des prises en pince et en trépied. Elle décrit également le fait de tenir un outil tout en appuyant sur sa gâchette. La conception ne comporte pas de cinquième doigt. [Boston Dynamics indique](https://bostondynamics.com/blog/robot-hands-for-modern-ai-and-real-work/) que ce doigt supplémentaire aurait nécessité trois actionneurs de plus, ainsi qu’un coût, un encombrement et une consommation électrique supérieurs, et davantage de composants susceptibles de tomber en panne. L’entreprise présente ce choix comme un compromis selon la tâche : une main à quatre doigts pourrait suffire aux manipulations visées par l’équipe tout en réduisant la complexité mécanique. C’est la justification de conception de l’entreprise, pas la preuve que la main peut accomplir toutes les tâches d’une main humaine. Selon l’entreprise, la main est proche de la taille d’une grande main humaine : elle peut donc atteindre des espaces conçus pour les personnes et utiliser des outils qui leur sont destinés. Boston Dynamics décrit les actionneurs étanches, l’entraînement direct et la rétroaction mécanique comme des moyens de faire réagir les articulations aux forces de l’environnement. L’entreprise affirme que des capteurs de pression denses couvrent la paume et le bout des doigts, tandis que le retour des actionneurs fournit des informations proprioceptives sur le mouvement et la force des articulations. Ces choix répondent à différents problèmes de commande. Le retour des articulations peut aider un contrôleur à estimer le mouvement des doigts et leur réaction lorsqu’un objet exerce une force en retour. Les capteurs tactiles peuvent enregistrer le contact sur toute la main. L’entreprise présente les deux comme des éléments de la conception, mais ne publie aucune évaluation distincte mesurant dans quelle proportion l’un ou l’autre système améliore les performances des tâches. ## Pourquoi la main est conçue pour la simulation Entraîner une politique pour un robot dextre exige davantage que d’enregistrer les mouvements de la main d’une personne. Boston Dynamics estime que des démonstrations avec des dispositifs portés sur soi peuvent capturer les gestes d’une personne, mais pas tous les ajustements rapides de force nécessaires pour commander les doigts d’un robot. Son approche associe apprentissage par renforcement en simulation et main dont le comportement physique peut être modélisé. [L’entreprise identifie trois composantes de cette simulation](https://bostondynamics.com/blog/robot-hands-for-modern-ai-and-real-work/) : la cinématique, c’est-à-dire la géométrie de la main et la position des articulations ; la dynamique, qui comprend le frottement, le couple et le jeu mécanique ; et le contact, autrement dit l’interaction entre les doigts et un objet. Elle indique que l’entraînement randomise les profils de couple des moteurs, le frottement des surfaces, la géométrie des objets et les perturbations des tâches. Ces variations visent à exposer la politique à différentes conditions avant son exécution sur la vraie main. [Boston Dynamics fait état d’un premier transfert de la simulation au réel sur des tâches dynamiques](https://bostondynamics.com/blog/robot-hands-for-modern-ai-and-real-work/). L’entreprise indique que ces comportements ont été entraînés en simulation par randomisation du domaine, puis exécutés sur la main physique avec un retour proprioceptif des actionneurs à haute fréquence. Le billet ne précise ni les tâches, ni le nombre d’essais, ni le seuil de réussite, ni la quantité de données tactiles utilisée dans les essais rapportés, ni l’architecture de la politique. « Prometteur » est la caractérisation de l’entreprise ; ce compte rendu n’est pas un benchmark évalué de façon indépendante. ## Une orientation de conception, pas un résultat de déploiement L’objectif déclaré de la main est de faciliter l’apprentissage de l’utilisation d’outils et d’autres manipulations précises. L’annonce aide à comprendre comment Boston Dynamics relie conception mécanique et apprentissage par renforcement : des articulations à entraînement direct et rétroactionnable, ainsi qu’un modèle du contact, doivent réduire les écarts entre le comportement simulé et le comportement physique. Le même billet qualifie la fabrication fiable et peu coûteuse d’objectif à long terme. Il ne précise pas quand la nouvelle main sera commercialisée, combien de robots Atlas l’utilisent, quelles tâches ont été réalisées en dehors des démonstrations ni si un client l’a déployée. Ces questions sont distinctes de celle de savoir si la simulation peut entraîner une politique transférable au matériel. ## Sources et lectures complémentaires - [Boston Dynamics, « Robot Hands for Modern AI and Real Work »](https://bostondynamics.com/blog/robot-hands-for-modern-ai-and-real-work/). Explication technique de l’entreprise sur la conception de la main, ses capteurs et l’approche de simulation, y compris sa première affirmation de transfert de la simulation au réel. La page n’indique pas de date de publication ; consultée le 9 octobre 2026. Aucun benchmark indépendant ni élément prouvant un déploiement commercial n’est fourni. - [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). Contexte d’entretien sur la refonte. Il ne s’agit pas d’un test indépendant des performances ; cet article s’appuie sur Boston Dynamics pour les caractéristiques de la main et les résultats d’apprentissage rapportés. ## Sources - [Boston Dynamics, Robot Hands for Modern AI and Real Work](https://bostondynamics.com/blog/robot-hands-for-modern-ai-and-real-work/) — Source primaire sur la conception, les capteurs, la simulation et le transfert initial simulation-réel rapporté par l’entreprise. - [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) — Contexte d’entretien ; aucune affirmation factuelle propre à l’article ne repose sur cette source, et il ne s’agit pas d’un test de performance.