生物行移动版

核心要点：对于机器人来说，最困难的任务之一不是举起重物，而是点击鼠标或弹奏钢琴键。虽然机器人已掌握“握力”，但普遍缺乏本体感觉——即手指在空间中位置的内部感知。一个合作研究团队通过开发配备全向弯曲传感器的“刚柔混合”手解决了这一问题。研究表明，机械手能“感知”自身的俯仰和偏航，从而以类人精度执行精细操作，如使用剪刀。

关键数据：

• 18个自由度：该手具有18个活动关节，高度模拟人手运动的复杂性。
• 光学传感：每根手指使用分段PMMA光纤和三色LED（红、绿、蓝）。通过测量光纤弯曲时不同颜色光的衰减，机器人可区分手指折叠（俯仰）和左右移动（偏航）。
• 解耦运动：与以往软传感器不同，当手指同时向两个方向移动时，该系统能将信号分离，保持测量误差仅为±2.13°。
• 验证稳定性：该手在三个高协调任务中成功演示了闭环控制：弹钢琴、操作鼠标、用剪刀剪东西。

来源：航空航天公司

一种新型软传感系统可帮助人形机器人在精细类人任务中更精确地移动双手。该研究引入了一种灵巧的机械手，配备全向弯曲传感器，能跟踪手指关节的俯仰和偏航，使系统实时感知复杂手指姿势。

通过将柔性传感与刚柔手部设计相结合，研究人员创建了一个平台，不仅能更自然地移动，还能以更好的控制和稳定性执行高要求动作，如使用剪刀、操作鼠标和弹钢琴。

机械手在抓握和捏取方面已取得重大进展，但许多仍难以实现人手那般多才多艺的精细动作。一个关键限制是本体感觉：虽然人类手指不断感知自身位置和运动，但大多数人形手在感知多自由度姿势方面仍很薄弱。

现有软传感器通常只能检测一种弯曲模式，或当手指同时弯曲和侧向移动时出现耦合问题。这在机器人抓取和真正灵巧操作之间留下了差距。基于这些挑战，需要对能解耦并准确跟踪多向手指运动的软传感系统进行更深入研究。

来自浙江大学、杭州电子科技大学、丽水大学的研究人员在《微系统与纳米工程》2026年发表论文。该研究提出了一种人形灵巧手，旨在解决先进机器人技术的核心问题：如何让机器人手指在复杂运动过程中可靠感知自身姿势。

通过将新型全向软弯曲传感器嵌入手中，该团队能在精细操作任务中实时感知弯曲和左右运动。该手具有18个主动自由度和5个刚柔手指，每根手指集成了由分段PMMA光纤制成的软光学传感器、三色LED和彩色探测器。

设计原理是跟踪传感器弯曲时红光、绿光和蓝光如何不同衰减。由于光纤布局分离了对俯仰和偏航的响应，系统可将这两种运动解耦，而非混合在一起。

论文报告了超过100个周期的强大重复性，三个光通道的均方根误差（RMSE）值分别为2.1%、1.9%和3.2%。单次弯曲下，俯仰平均测量误差仅为±2.13°，偏航平均测量误差仅为±2.34°。串扰仍然较低：纯偏航对俯仰贡献3.2%，纯俯仰对偏航贡献4.1%，信号串扰比分别为50.68 dB和30.81 dB。

团队随后超越台架测试，在三个视觉上引人注目的任务中演示了手部——用剪刀切割、单击鼠标和弹奏钢琴键——在需要微妙协调而非简单抓握的动作中展示了闭环姿势控制。

研究人员认为，真正的进步不仅在于一种新传感器，更在于赋予机器人手更像人类的内部运动意识的新方法。他们强调，集成的刚柔设计支持自然运动，而传感系统提供复杂操作所需的稳定性、可重复性和多自由度姿势感知。这种组合可使未来人形手在精度至关重要的任务中更具能力。

这项工作表明机器人手不仅能更强、更快，而且更加熟练。更好的姿势感知可改善服务环境、工业装配、康复设备以及手指必须适应脆弱或高度变化物体的其他环境中的人形机器人。

该研究的演示还暗示了人机交互的更广泛可能性，其中更流畅、更安全的手部动作至关重要。通过证明软光学传感可在实现复杂多向运动的同时保持准确度，该研究使机器人操作更接近人手的响应能力和技巧。

资金信息：该研究得到国家自然科学基金（No. 52475573）、浙江省自然科学基金（No. LTGY23E050002）、国家重点研发计划（No. 2023YFC2811500）、国家体育总局科技创新项目（24KJCX074）、浙江省重点研发计划（No. 2024C03259、2023C03196）、中央高校基本科研业务费专项资金资助。

回答的关键问题：

问：为什么用剪刀切割对机器人来说如此困难？
答：切割需要对“左右”（偏航）和“上下”（俯仰）压力进行持续、微妙的调整。大多数机器人只能感知一个方向，因此剪刀会打滑或卡住。这款新手使用“全向传感器”，可同时跟踪这两个动作，使机器人能像人类一样调整其握力。

问：传感器如何工作？
答：可将其想象为一根发光的吸管。弯曲吸管时，内部光线变暗。通过使用三种不同颜色的光（RGB）和特定光纤布局，传感器能准确判断吸管弯曲的方式，取决于哪种颜色最暗。这种“光学串扰”被解码为精确的手指位置。

问：这项技术能用于假肢吗？
答：当然。由于传感器是“柔软的”且集成到灵活设计中，它们比传统刚性传感器更耐用和自然。这可能导致假肢允许用户以更高精度执行精细运动任务，如打字或演奏乐器。