Markdown संस्करण

AI-translated from English; not yet reviewed by a fluent editor.

# Boston Dynamics ने सीखे हुए टूल उपयोग के लिए Atlas का नया हाथ बनाया

> Boston Dynamics के चार उंगलियों वाले Atlas हाथ में 13 डिग्री की स्वतंत्रता, backdrivable actuation और स्पर्श-संवेदन को simulation में reinforcement learning के साथ जोड़ा गया है। कंपनी ने शुरुआती transfer परिणाम बताए हैं, लेकिन benchmark या व्यावसायिक deployment प्रकाशित नहीं किया।

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.

[Boston Dynamics का नया Atlas हाथ](https://bostondynamics.com/blog/robot-hands-for-modern-ai-and-real-work/) चार उंगलियों, 13 डिग्री की स्वतंत्रता और हथेली व उंगलियों के सिरों पर pressure sensors से युक्त है। कंपनी कहती है कि hardware को simulation में कुशल manipulation का प्रशिक्षण आसान बनाने और उसे भौतिक robot तक स्थानांतरित करने के लिए बनाया गया है। सार्वजनिक विवरण में simulation से वास्तविक दुनिया तक शुरुआती transfer परिणाम हैं, लेकिन benchmark, task-wise success rates या व्यावसायिक deployment के साक्ष्य नहीं हैं।

## बड़ा बदलाव

- **क्या बदला:** Boston Dynamics नई पीढ़ी के Atlas हाथ का वर्णन करती है, जिसमें उसके पहले के सात-डिग्री-स्वतंत्रता संस्करण से अधिक जोड़, direct actuation और घनी tactile sensing है।
- **यह कैसे काम करता है:** कंपनी कहती है कि वह हाथ की geometry, motor behavior और वस्तुओं से contact का model बनाती है, फिर hardware पर चलाने से पहले randomized conditions वाले simulation में reinforcement-learning policies train करती है।
- **यह क्यों मायने रखता है:**Manipulation इस बात पर निर्भर करता है कि उंगलियाँ कैसे चलती हैं, संपर्क महसूस करती हैं और बल पर प्रतिक्रिया देती हैं। Simulation में अनुमानित व्यवहार वाला हाथ इंजीनियरों को भौतिक robot इस्तेमाल करने से पहले अधिक नियंत्रण train करने दे सकता है।
- **क्या स्थापित है:**Boston Dynamics गतिशील कार्यों में शुरुआती आशाजनक transfer की रिपोर्ट करती है। वह कार्य, sample size, success rate, comparison baseline या deployment schedule नहीं बताती।

## चार उंगलियाँ, अधिक सक्षम अंगूठा

[Boston Dynamics नए हाथ को 13 degrees of freedom देती है](https://bostondynamics.com/blog/robot-hands-for-modern-ai-and-real-work/): विरोधी अंगूठे में चार और बाकी तीनों उंगलियों में तीन-तीन। कंपनी कहती है कि अंगूठा अन्य उंगलियों के साथ-साथ और उनके आर-पार खिसक सकता है, जिससे pinch और tripod grasp संभव होते हैं। कंपनी उपकरण पकड़कर उसका trigger दबाने का काम भी बताती है।

डिज़ाइन में पाँचवीं उंगली नहीं है। [Boston Dynamics का कहना है](https://bostondynamics.com/blog/robot-hands-for-modern-ai-and-real-work/) कि एक अतिरिक्त उंगली से तीन actuators जुड़ेंगे, साथ ही लागत, जगह, बिजली की खपत और खराब हो सकने वाले घटक भी बढ़ेंगे। कंपनी इसे कार्य से जुड़ा समझौता बताती है: चार उंगलियों वाला हाथ टीम के लक्षित manipulation व्यवहारों के लिए पर्याप्त हो सकता है और यांत्रिक जटिलता घटा सकता है। यह कंपनी का डिज़ाइन तर्क है, इस बात का प्रमाण नहीं कि हाथ मानव हाथ के सभी कार्य कर सकता है।

कंपनी के अनुसार हाथ का आकार बड़े मानव हाथ के करीब है, इसलिए वह मानव-आकार की जगहों में पहुँच सकता है और लोगों के लिए बने औज़ारों का उपयोग कर सकता है। Boston Dynamics sealed actuators, direct drive और backdrivability को पर्यावरणीय बलों पर जोड़ों की प्रतिक्रिया के तरीके बताती है। उसका कहना है कि हथेली और उंगलियों के सिरों पर घने pressure sensors हैं, जबकि actuator feedback जोड़ की गति और बल के बारे में proprioceptive जानकारी देता है।

ये विकल्प अलग-अलग नियंत्रण समस्याओं को संबोधित करते हैं। जोड़ का feedback controller को उंगलियों की गति और वस्तु के धक्का देने पर उनकी प्रतिक्रिया का अनुमान लगाने में मदद कर सकता है। Tactile sensors पूरे हाथ में संपर्क दर्ज कर सकते हैं। कंपनी दोनों को डिज़ाइन का हिस्सा बताती है; वह ऐसा अलग मूल्यांकन नहीं देती जिससे पता चले कि किसी sensing system से task performance कितना सुधरता है।

## हाथ को simulation के लिए क्यों बनाया गया

कुशल robot policy को train करने के लिए किसी व्यक्ति के हाथ की गति रिकॉर्ड करना पर्याप्त नहीं है। Boston Dynamics का तर्क है कि wearable demonstrations व्यक्ति के किए गए काम को पकड़ सकती हैं, लेकिन robot की उंगलियों को नियंत्रित करने के लिए जरूरी सभी तेज़ बल-समायोजन नहीं। उसका तरीका simulation-आधारित reinforcement learning को ऐसे हाथ के साथ जोड़ता है जिसके भौतिक व्यवहार का model बनाया जा सके।

[कंपनी उस simulation के तीन हिस्से बताती है](https://bostondynamics.com/blog/robot-hands-for-modern-ai-and-real-work/): kinematics यानी हाथ की geometry और joint positions; dynamics जिसमें friction, torque और backlash शामिल हैं; और contact यानी उंगलियों और वस्तु का परस्पर व्यवहार। कंपनी कहती है कि training में motor torque profiles, सतह का friction, वस्तु की geometry और task disturbances को randomize किया जाता है। इन बदलावों का उद्देश्य असली हाथ पर चलाने से पहले policy को अलग-अलग स्थितियों से परिचित कराना है।

[Boston Dynamics गतिशील कार्यों में simulation से वास्तविक दुनिया तक शुरुआती transfer की रिपोर्ट करती है](https://bostondynamics.com/blog/robot-hands-for-modern-ai-and-real-work/)। कंपनी कहती है कि इन व्यवहारों को domain randomization से simulation में train किया गया और फिर तेज़ actuator proprioception feedback के साथ भौतिक हाथ पर चलाया गया। पोस्ट में कार्य, trials की संख्या, success threshold, रिपोर्ट किए गए runs में इस्तेमाल tactile data की मात्रा या policy architecture नहीं बताई गई। “आशाजनक” कंपनी का वर्णन है; यह स्वतंत्र रूप से आंका गया benchmark नहीं है।

## डिज़ाइन की दिशा, deployment का परिणाम नहीं

हाथ का घोषित उद्देश्य tool use और अन्य सटीक manipulation को train करना आसान बनाना है। यह घोषणा समझने में मदद करती है कि Boston Dynamics यांत्रिक डिज़ाइन को reinforcement learning से कैसे जोड़ती है: direct, backdrivable joints और contact model का मकसद simulated और physical behavior के बीच अंतर कम करना है।

उसी पोस्ट में विश्वसनीय, कम लागत वाला निर्माण दीर्घकालिक लक्ष्य बताया गया है। यह नहीं बताती कि नया हाथ कब उपलब्ध होगा, कितने Atlas robots इसका उपयोग करते हैं, demonstrations से बाहर कौन-से कार्य पूरे हुए या किसी ग्राहक ने इसे deploy किया है या नहीं। ये इस सवाल से अलग हैं कि simulation ऐसा policy train कर सकता है या नहीं जो hardware तक transfer हो।

## स्रोत और आगे पढ़ें

- [Boston Dynamics, “आधुनिक AI और वास्तविक काम के लिए रोबोट हाथ”](https://bostondynamics.com/blog/robot-hands-for-modern-ai-and-real-work/)। हाथ के डिज़ाइन, sensing और simulation approach पर कंपनी की तकनीकी व्याख्या, जिसमें शुरुआती sim-to-real दावे शामिल हैं। पृष्ठ पर प्रकाशन तारीख नहीं दी गई; 9 अक्टूबर 2026 को देखा गया। स्वतंत्र benchmark या व्यावसायिक deployment का कोई साक्ष्य नहीं दिया गया।
- [The Robot Report, “Boston Dynamics ने अपने नए डिज़ाइन वाले humanoid हाथ पर और जानकारी दी”](https://www.therobotreport.com/boston-dynamics-gives-more-insight-into-its-redesigned-humanoid-hand)। redesign पर साक्षात्कार का संदर्भ। यह स्वतंत्र performance test नहीं है; हाथ के विनिर्देशों और रिपोर्ट किए गए learning results के लिए यह लेख Boston Dynamics पर निर्भर करता है।

## Sources

- [Boston Dynamics, आधुनिक AI और वास्तविक काम के लिए रोबोट हाथ](https://bostondynamics.com/blog/robot-hands-for-modern-ai-and-real-work/) — डिज़ाइन, sensing, simulation और कंपनी द्वारा बताए गए शुरुआती sim-to-real transfer का प्राथमिक स्रोत।
- [The Robot Report, Boston Dynamics ने अपने नए डिज़ाइन वाले humanoid हाथ पर और जानकारी दी](https://www.therobotreport.com/boston-dynamics-gives-more-insight-into-its-redesigned-humanoid-hand) — साक्षात्कार संदर्भ; लेख का कोई अनूठा तथ्यात्मक दावा इस स्रोत पर निर्भर नहीं है, और यह performance test नहीं है।