AI-translated from English; not yet reviewed by a fluent editor. # Boston Dynamics 为 Atlas 的新手设计学习工具使用能力 > Boston Dynamics 的四指 Atlas 手部结合了 13 个自由度、可反驱的驱动机构和触觉传感，并通过仿真中的强化学习进行训练。公司报告了初步迁移结果，但没有公布基准测试或商业部署情况。 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 的新款 Atlas 手部](https://bostondynamics.com/blog/robot-hands-for-modern-ai-and-real-work/)有四根手指，拥有 13 个自由度，手掌和指尖均配有压力传感器。公司称，这套硬件旨在让灵巧操作更容易在仿真中训练并迁移到实体机器人。其公开说明介绍了初步的仿真到现实迁移结果，但未提供基准测试、具体任务成功率或商业部署证据。 ## 重大变化 - **发生了什么变化：** Boston Dynamics 介绍了新一代 Atlas 手部，相比早期的七自由度版本，关节更多，采用直接驱动和密集触觉传感。 - **工作原理：** 公司称，他们对手部几何结构、电机行为以及与物体的接触进行建模，然后在仿真中通过随机化条件训练强化学习策略，再将其运行在硬件上。 - **为何重要：**操作取决于手指如何移动、感知接触并响应作用力。如果手部在仿真中的行为可预测，工程师就能在使用实体机器人前训练更多控制策略。 - **已知情况：** Boston Dynamics 报告称，动态任务的初步迁移结果令人鼓舞。公司没有披露具体任务、样本数、成功率、对照基线或部署时间表。 ## 四根手指，更灵活的拇指 [Boston Dynamics 给这款新手定义了 13 个自由度](https://bostondynamics.com/blog/robot-hands-for-modern-ai-and-real-work/)：拇指有四个，其余三根手指各有三个。公司称，拇指可以沿其他手指滑动并横向移动，从而实现捏取和三指抓握。公司还描述了握住工具并按下其扳机的操作。 设计中没有第五根手指。 [Boston Dynamics 表示](https://bostondynamics.com/blog/robot-hands-for-modern-ai-and-real-work/) 多一根手指会增加三个执行器，同时增加成本、占用空间、耗电量，以及更多可能发生故障的组件。公司的解释将其视为任务取舍：四指手部或许足以完成团队所针对的操作，同时降低机械复杂度。这是公司的设计理由，并不证明该手部能完成所有人手任务。 据公司称，这只手的尺寸接近大型人手，因此可以伸入适合人类的空间，并使用为人设计的工具。Boston Dynamics 将密封执行器、直接驱动和可反驱性描述为让关节响应环境作用力的设计方式。公司称，手掌和指尖覆盖了密集的压力传感器，执行器反馈则提供有关关节运动和受力的本体感觉信息。 这些选择对应不同的控制问题。关节反馈可以帮助控制器估计手指如何移动，以及物体施加反作用力时手指如何响应。触觉传感器可以记录手部各处的接触。公司将二者都列为设计的一部分，但没有单独评估数据证明任一种传感系统能在多大程度上提升任务表现。 ## 这只手为何为仿真而设计 训练灵巧机器人的策略，不只是记录人的手部动作。Boston Dynamics 认为，可穿戴设备演示能记录人做了什么，却无法捕捉控制机器人手指所需的全部快速力道调整。该公司的方法是将基于仿真的强化学习与可建模其物理行为的手部结合起来。 [公司指出，该仿真包含三个部分](https://bostondynamics.com/blog/robot-hands-for-modern-ai-and-real-work/)：运动学，即手部几何形状和关节位置；动力学，包括摩擦、扭矩和回差；以及接触，即手指如何与物体互动。公司称，训练会随机改变电机扭矩曲线、表面摩擦、物体几何形状和任务扰动。这些变化旨在让策略在运行于真实手部前接触不同条件。 [Boston Dynamics 报告称，动态任务已取得初步的仿真到现实迁移](https://bostondynamics.com/blog/robot-hands-for-modern-ai-and-real-work/)。公司称，这些行为先在仿真中通过域随机化训练，再运行于实体手部，并使用高频率执行器本体感觉反馈。文章没有指出具体任务、试验次数、成功门槛、报告运行中使用的触觉数据量或策略架构。“令人鼓舞”是公司的描述；该报告不是经过独立评估的基准测试。 ## 一种设计方向，而非部署结果 这只手的既定目标是让工具使用和其他精细操作更容易训练。这项公告有助于理解 Boston Dynamics 如何将机械设计与强化学习联系起来：直接驱动、可反驱的关节和接触模型，旨在缩小仿真行为与实体行为之间的差异。 同一篇文章还将可靠、低成本制造称为长期目标。文章没有说明新手何时发货、有多少台 Atlas 机器人使用它、演示之外完成了哪些任务，或是否有客户部署。这些问题与仿真能否训练出可迁移到硬件的策略是不同的。 ## 来源与延伸阅读 - [Boston Dynamics，《面向现代 AI 与实际工作的机器人手》](https://bostondynamics.com/blog/robot-hands-for-modern-ai-and-real-work/)。公司对手部设计、传感和仿真方法的技术说明，包括公司报告的初步仿真到现实迁移结果。页面未显示发布日期；查阅日期：2026 年 10 月 9 日。页面没有提供独立基准测试或商业部署证据。 - [The Robot Report，《Boston Dynamics 进一步介绍重新设计的人形机器人手》](https://www.therobotreport.com/boston-dynamics-gives-more-insight-into-its-redesigned-humanoid-hand)。有关重新设计的访谈背景。该文不是独立性能测试；本文关于手部规格和学习结果的内容依据 Boston Dynamics。 ## Sources - [Boston Dynamics，《面向现代 AI 与实际工作的机器人手》](https://bostondynamics.com/blog/robot-hands-for-modern-ai-and-real-work/) — 有关设计、传感、仿真以及公司报告的初步仿真到现实迁移的第一手来源。 - [The Robot Report，《Boston Dynamics 进一步介绍重新设计的人形机器人手》](https://www.therobotreport.com/boston-dynamics-gives-more-insight-into-its-redesigned-humanoid-hand) — 访谈背景；本文没有依赖该文提供任何独有事实，它也不是性能测试。