Markdown ایڈیشن

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

# Boston Dynamics نے سیکھ کر اوزار استعمال کرنے کے لیے Atlas کا نیا ہاتھ ڈیزائن کیا

> Boston Dynamics کا چار انگلیوں والا Atlas ہاتھ 13 درجاتِ آزادی، بیرونی قوت سے پیچھے چل سکنے والی ایکچویشن اور لمس کے حسّاس سینسرز کو سمولیشن میں تقویتی سیکھنے کے ساتھ جوڑتا ہے۔ کمپنی نے ابتدائی منتقلی کے نتائج بتائے ہیں، مگر کوئی بینچ مارک یا تجارتی تعیناتی شائع نہیں کی۔

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 کے نئے Atlas ہاتھ](https://bostondynamics.com/blog/robot-hands-for-modern-ai-and-real-work/) میں چار انگلیاں، 13 درجاتِ آزادی اور ہتھیلی و انگلیوں کے سروں پر دباؤ کے سینسر ہیں۔ کمپنی کہتی ہے کہ ہارڈویئر اس لیے ڈیزائن کیا گیا ہے کہ مہارت سے اشیا سنبھالنے کی تربیت سمولیشن میں آسان ہو اور اسے جسمانی روبوٹ تک منتقل کیا جا سکے۔ اس کی عوامی وضاحت میں سمولیشن سے حقیقت تک منتقلی کے ابتدائی نتائج ہیں، لیکن بینچ مارک، ہر کام کی کامیابی کی شرح یا تجارتی تعیناتی کا ثبوت نہیں۔

## بڑی تبدیلی

- **کیا بدلا:** Boston Dynamics نئی نسل کے Atlas ہاتھ کی وضاحت کرتی ہے، جس میں پہلے کے سات درجۂ آزادی والے نسخے سے زیادہ جوڑ، براہِ راست ایکچویشن اور کثیف لمس کی حسّاسیت ہے۔
- **یہ کیسے کام کرتا ہے:** کمپنی کہتی ہے کہ وہ ہاتھ کی ساخت، موٹروں کے رویے اور اشیا کے ساتھ رابطے کا ماڈل بناتی ہے، پھر ہارڈویئر پر چلانے سے پہلے بے ترتیب حالات والی سمولیشن میں تقویتی سیکھنے کی پالیسیاں تربیت دیتی ہے۔
- **یہ کیوں اہم ہے:**اشیا کو سنبھالنے کی صلاحیت اس بات پر منحصر ہے کہ انگلیاں کیسے حرکت کرتی، رابطہ محسوس کرتی اور قوت پر ردعمل دیتی ہیں۔ سمولیشن میں قابلِ پیش گوئی رویے والا ہاتھ انجینئروں کو جسمانی روبوٹ استعمال کرنے سے پہلے زیادہ کنٹرول تربیت دینے دے سکتا ہے۔
- **کیا ثابت ہے:**Boston Dynamics متحرک کاموں میں ابتدائی امید افزا منتقلی کی رپورٹ کرتی ہے۔ وہ کاموں، نمونوں کے حجم، کامیابی کی شرح، تقابل کی بنیاد یا تعیناتی کے شیڈول ظاہر نہیں کرتی۔

## چار انگلیاں، زیادہ قابل انگوٹھا

[Boston Dynamics نئے ہاتھ کے لیے 13 درجاتِ آزادی بتاتی ہے](https://bostondynamics.com/blog/robot-hands-for-modern-ai-and-real-work/): مخالف سمت میں حرکت کرنے والے انگوٹھے میں چار، اور باقی تین انگلیوں میں ہر ایک کے تین۔ کمپنی کہتی ہے کہ انگوٹھا دوسری انگلیوں کے ساتھ لمبائی میں اور ان کے آرپار سرک سکتا ہے، جس سے چٹکی اور تین نکاتی گرفت ممکن ہوتی ہے۔ کمپنی آلہ پکڑ کر اس کا ٹرگر دبانے کی صلاحیت بھی بیان کرتی ہے۔

ڈیزائن میں پانچویں انگلی شامل نہیں۔ [Boston Dynamics کہتی ہے](https://bostondynamics.com/blog/robot-hands-for-modern-ai-and-real-work/) کہ اضافی انگلی کے لیے تین ایکچویٹر مزید درکار ہوتے، اس کے ساتھ لاگت، جگہ، بجلی کا استعمال اور ناکام ہو سکنے والے پرزے بھی بڑھتے۔ کمپنی اسے کام کے مطابق سمجھوتا قرار دیتی ہے: چار انگلیوں والا ہاتھ ٹیم کے ہدف کردہ حرکات کے لیے کافی ہو سکتا ہے اور میکانی پیچیدگی کم رکھتا ہے۔ یہ کمپنی کے ڈیزائن کی وجہ ہے، اس بات کا ثبوت نہیں کہ ہاتھ انسانی ہاتھ کے ہر کام کو انجام دے سکتا ہے۔

کمپنی کے مطابق ہاتھ کا پیمانہ بڑے انسانی ہاتھ کے قریب ہے، اس لیے وہ انسانوں کے لیے بنائی گئی جگہوں میں پہنچ سکتا اور ان کے لیے بنے اوزار استعمال کر سکتا ہے۔ Boston Dynamics بند ایکچویٹرز، براہِ راست ڈرائیو اور بیرونی قوت کے تحت پیچھے چلنے کی صلاحیت کو جوڑوں کے ماحول کی قوتوں پر ردعمل کے طریقے بتاتی ہے۔ اس کا کہنا ہے کہ ہتھیلی اور انگلیوں کے سروں پر گھنے دباؤ کے سینسر ہیں، جبکہ ایکچویٹر فیڈبیک جوڑوں کی حرکت اور قوت کے بارے میں جسمانی حس کی معلومات فراہم کرتا ہے۔

یہ انتخاب کنٹرول کے مختلف مسائل حل کرتے ہیں۔ جوڑوں کا فیڈبیک کنٹرولر کو انگلیوں کی حرکت اور کسی شے کے واپس دھکیلنے پر ان کے ردعمل کا اندازہ لگانے میں مدد دے سکتا ہے۔ لمس کے سینسر پورے ہاتھ میں رابطہ درج کر سکتے ہیں۔ کمپنی دونوں کو ڈیزائن کا حصہ بتاتی ہے، مگر الگ سے ایسی جانچ رپورٹ نہیں کرتی جو دکھائے کہ کوئی حسّاس نظام کام کی کارکردگی کتنی بہتر کرتا ہے۔

## ہاتھ کو سمولیشن کے لیے کیوں ڈیزائن کیا گیا

ماہر روبوٹ پالیسی کی تربیت کے لیے کسی شخص کے ہاتھ کی حرکات ریکارڈ کرنا کافی نہیں۔ Boston Dynamics کا کہنا ہے کہ پہننے کے قابل آلات سے مظاہرے انسان کے اعمال تو محفوظ کر سکتے ہیں، مگر روبوٹ کی انگلیاں قابو کرنے کے لیے درکار تمام تیز قوتی تبدیلیاں نہیں۔ اس کا طریقہ سمولیشن پر مبنی تقویتی سیکھنے کو ایسے ہاتھ کے ساتھ جوڑتا ہے جس کے جسمانی رویے کا ماڈل بن سکتا ہے۔

[کمپنی اس سمولیشن کے تین حصے بتاتی ہے](https://bostondynamics.com/blog/robot-hands-for-modern-ai-and-real-work/): کائنی میٹکس، یعنی ہاتھ کی ساخت اور جوڑوں کی جگہ؛ ڈائنامکس، جس میں رگڑ، ٹارک اور بیک لیش شامل ہیں؛ اور رابطہ، یعنی انگلیوں کا کسی شے سے تعامل۔ کمپنی کہتی ہے کہ تربیت میں موٹروں کے ٹارک پروفائل، سطحی رگڑ، اشیا کی ساخت اور کام میں خلل کو بے ترتیب کیا جاتا ہے۔ ان تبدیلیوں کا مقصد حقیقی ہاتھ پر چلانے سے پہلے پالیسی کو مختلف حالات سے آشنا کرنا ہے۔

[Boston Dynamics متحرک کاموں میں سمولیشن سے حقیقت تک ابتدائی منتقلی کی رپورٹ کرتی ہے](https://bostondynamics.com/blog/robot-hands-for-modern-ai-and-real-work/)۔ کمپنی کہتی ہے کہ ان رویوں کو ڈومین رینڈمائزیشن کے ساتھ سمولیشن میں تربیت دی گئی اور پھر تیز رفتار ایکچویٹر جسمانی حس کے فیڈبیک کے ساتھ جسمانی ہاتھ پر چلایا گیا۔ پوسٹ کاموں، آزمائشوں کی تعداد، کامیابی کی حد، رپورٹ شدہ اجرا میں استعمال لمس کے ڈیٹا کی مقدار یا پالیسی کے ڈھانچے کی نشاندہی نہیں کرتی۔ “امید افزا” کمپنی کی اپنی تشخیص ہے؛ یہ آزادانہ طور پر جانچا گیا بینچ مارک نہیں۔

## ڈیزائن کی سمت، تعیناتی کا نتیجہ نہیں

ہاتھ کا بیان کردہ مقصد اوزار کے استعمال اور دوسری دقیق حرکات کی تربیت آسان بنانا ہے۔ اعلان سے سمجھنے میں مدد ملتی ہے کہ Boston Dynamics میکانی ڈیزائن کو تقویتی سیکھنے سے کیسے جوڑتی ہے: براہِ راست چلنے والے، پیچھے حرکت کر سکنے والے جوڑ اور رابطے کا ماڈل سمولیٹڈ اور جسمانی رویے کے فرق کو کم کرنے کے لیے ہیں۔

اسی پوسٹ میں قابلِ اعتماد اور کم لاگت تیاری کو طویل مدتی ہدف کہا گیا ہے۔ اس میں یہ نہیں بتایا گیا کہ نیا ہاتھ کب بھیجا جائے گا، کتنے Atlas روبوٹ اسے استعمال کرتے ہیں، مظاہروں سے باہر کون سے کام مکمل ہوئے یا کسی صارف نے اسے تعینات کیا ہے یا نہیں۔ یہ اس سوال سے الگ ہیں کہ آیا سمولیشن ایسی پالیسی تربیت دے سکتی ہے جو ہارڈویئر پر منتقل ہو۔

## ذرائع اور مزید مطالعہ

- [Boston Dynamics، “Robot Hands for Modern AI and Real Work”](https://bostondynamics.com/blog/robot-hands-for-modern-ai-and-real-work/)۔ ہاتھ کے ڈیزائن، حسّاسیت اور سمولیشن کے طریقے کی کمپنی کی تکنیکی وضاحت، جس میں سمولیشن سے حقیقت تک منتقلی کا ابتدائی دعویٰ بھی شامل ہے۔ صفحے پر اشاعت کی تاریخ نہیں؛ 9 اکتوبر 2026 کو دیکھا گیا۔ کوئی آزاد بینچ مارک یا تجارتی تعیناتی کا ثبوت نہیں دیا گیا۔
- [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)۔ نئے ڈیزائن سے متعلق انٹرویو کا پس منظر۔ یہ آزادانہ کارکردگی کی جانچ نہیں؛ ہاتھ کی خصوصیات اور رپورٹ کردہ سیکھنے کے نتائج کے لیے مضمون Boston Dynamics پر انحصار کرتا ہے۔

## Sources

- [Boston Dynamics، Robot Hands for Modern AI and Real Work](https://bostondynamics.com/blog/robot-hands-for-modern-ai-and-real-work/) — ڈیزائن، حسّاسیت، سمولیشن اور کمپنی کی رپورٹ کردہ ابتدائی سمولیشن سے حقیقت تک منتقلی کا بنیادی ماخذ۔
- [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) — انٹرویو کا پس منظر؛ مضمون کا کوئی منفرد حقائق پر مبنی دعویٰ اس ماخذ پر منحصر نہیں، اور یہ کارکردگی کی جانچ نہیں۔