Boston Dynamics公开Atlas新手部结构……“4指·13自由度”设计的核心在于

Boston Dynamics公开了为下一代人形机器人“Atlas”设计的全新手部结构。此次设计的核心不仅在于实现简单的动作，更在于如何将AI在虚拟环境中学习到的动作，在真实的物理世界中进行精细的再现。

通过13个自由度提升精细度……“舍弃第五根手指”

根据“不可能工学 - IT科技新技术”YouTube频道的视频显示，Boston Dynamics公开的Atlas新手部拥有四个手指和13个自由度（DoF）。设计上在拇指配置了4个自由度，其余手指各配置3个自由度，使其能够在抓取物体时改变方向，或通过握住工具并按下扳机等进行复杂的操控。

其特殊之处在于，与人类不同，它由四个手指而非五个手指组成。视频中提到，在开发过程中，工程师们甚至进行了将无名指和小指粘在一起度过一天的实验，以审查第五根手指的必要性。这是因为如果增加第五根手指，驱动装置将增加3个，从而带来占用手部内部空间、成本上升、故障可能性增加等负担。Boston Dynamics判断，在目标任务执行中，第五根手指的效用并不足以抵消这些成本和风险，因此战略性地采用了4指设计。

缩小“Sim-to-Real”差距的机械设计与控制

此次设计的技术课题在于“Sim-to-Real”匹配，即虚拟环境中的强化学习结果能否平滑地转化为机器人的实际动作。因为当机器人将虚拟中学习到的动作转移到实际手部时，如果发生机械结构的摩擦或关节卡顿，控制时机会发生偏差，从而导致物体脱落或被压扁。

为了解决这一问题，Boston Dynamics专注于“顺应性（Compliance）”。当手指接触物体时，产生的反作用力必须能很好地传递到驱动部，才能准确判断接触状况。如果内部摩擦过大，将难以区分是来自物体的阻力还是内部的机械阻力。Boston Dynamics应用了校正电机旋转位置及因摩擦导致的力不平衡的技术。此外，在创建虚拟环境的手部模型时，并非仅仅模仿形状，而是反映了与实际手部相似的力传递特性和动作易用性，从而提高了学习的准确度。

与Tesla、Figure不同的驱动方式……评估标准为“每小时作业数”

视频还分析了Boston Dynamics的方式与Tesla、Figure在设计上的差异。根据Tesla公开的专利，Tesla采用将驱动装置置于前臂并用绳索拉动手指关节的“腱驱动（Tendon-driven）”方式。这种方式有利于腾出手掌空间，但绳索的张力管理和摩擦控制是核心课题。相比之下，Figure (Figure 03)为了克服头顶摄像头的视野限制，将摄像头配置在手掌上，并结合触觉传感器和关节信息来进行精细操作。

最终，机器人手部的性能取决于设计方式与AI学习的结合是否高效。视频提出，今后判断机器人手部实际竞争力的标准应为“每小时完成作业数”。分析认为，不能仅仅测量动作的速度，还必须将作业过程中发生的重试次数、人工干预（帮助）频率以及为了维护而进行的维修时间全部包含在内进行计算，才能准确掌握机器人的实际作业效率。