机器人的“手艺活”为什么这么难？｜AI问为什么
想一想，捏一块嫩豆腐和捏一片薯片有什么不同？
对你来说，这不过是一瞬间的手感判断——豆腐要轻，薯片要稳。可对机器人来说，这却是一场跨越感知、规划与执行的“极限挑战”。
马斯克曾经表示，人形机器人最难的不是大脑，而是灵巧手和量产。为什么机器人的“手艺活”这么难？
触觉的“翻译难题”：
从感觉到动作的距离
我们人类的手，是一台精密的“感知—执行”一体机。我们甚至不用思考，就会自动调整力度。
但机器人不一样。
“机器人灵巧手的抓取是通过触觉等信息的输入，结合扩散策略、高精度定位和力控技术，输出动作执行信号，实现自适应抓取。灵巧手搭载了高精度传感器后，能感知各种力学信息、纹理、温度、回弹等。”帕西尼感知科技联合创始人聂相如说。
如何把这些触觉信息“翻译”成机器人理解的动作是个难点。比如，当传感器检测到“表面柔软、易变形”，机器人得立刻明白：“这是豆腐，我得轻拿轻放。”
这中间，需要一套复杂的触觉语言系统，把物理信号转化成控制指令。
聂相如解释，灵巧手先通过传感器感受到物品的软硬度、材质差异，然后针对豆腐、薯片、葡萄这些不同对象，生成不同的抓取姿态和力度，从而完成传统的、标准化的程序很难完成的动作。
“帕西尼的灵巧手装备了自研的触觉传感器。按压灵巧手的指尖，可以通过屏幕看到多个维度的力学信息。机器人非常需要这些力学信息，从而对外界环境做出判断。”聂相如说。
你看，这不只是“摸到”，更是“理解”。机器人得学会“看菜下饭”，根据物体的特性，决定怎么“出手”。
这还只是第一步。
即便机器人“知道”该用多大力，执行起来又是另一回事。
人类的动作是肌肉记忆和神经反射的完美配合，机器人则不同。“机器人抓取的另一个难点在于如何把收到的信息反馈给每一个指节、每一个电机，并根据不同形状、材质，生成合理且具有泛化能力的抓取姿态。这也是灵巧手在抓取过程中的难点。”聂相如解释。
换句话说，机器人不仅要学会“怎么抓”，还要学会“随机应变”。
“眼睛”和“手”的密切配合
实现更像人的自适应抓取
机器人灵巧手的抓取不是单纯依靠触觉系统或视觉系统，而是需要手眼协同。
抓取之前，机器人通常先用视觉系统进行粗定位：这是个球，位置在这里。然后上手触觉系统进行精定位，感知物体表面信息，进行动作规划，生成力反馈并进行优化，并最终在不同任务和环境中动态学习和快速适应，提升抓取操作的成功率。
机器人一般通过多维触觉和视觉的密切配合，进行精细操作和稳定抓取。
如何把视觉和触觉这两种不同模态的数据对齐、融合，也是当前机器人抓取技术的一大难点。
聂相如透露，帕西尼开发了一套名为“PX-Core”的基于视触觉双模态模型控制架构，尝试让视觉建模与触觉信息同步协作，让灵巧手获取基于多模态信息的环境理解，再进行运动规划，从而在实际产线上实现更稳定的抓取表现。
这其实很像我们人类的行为模式。好比，你看到一杯水，以为它很轻，一拿起来发现是满的，你会瞬间调整力道。机器人也在学这招：从“看到”到“摸到”，再到“调整”，整个过程要瞬间完成。而这种多模态融合的能力，正是机器人从灵巧手变得更像人手的关键。
它不再只是执行预设动作的工具，而是具备实时感知、判断、调整的智能体。
抓取对机器人而言，不仅是技术问题，更是一场关于感知、规划与执行的协同进化。
当我们赋予机器融合触觉与视觉的“感知”，教会它们理解材质与力度的“常识”，或许有一天，机器人会悄悄递来一杯咖啡，温度刚好，力度稳妥，就像朋友的手。
而这一切，都从教会它们“轻拿轻放”开始。
●更多往期内容>>
【编者按】
这是一场关于未来的追问。
爱问为什么，爱较真答案，更爱那些让生活变得更美好的可能。
即日起，南方+推出“AI问为什么”系列融媒体报道。
我们走进一个个被AI改变的现场，从工厂车间到城市街巷，从医疗场景到日常生活……
借助AI技术，用听得懂的语言，层层追问变革背后的“为什么”。
AI解难题，问透为什么——
带你一起，看见千行百业如何被AI点亮，预见正在到来的未来。
策划：陈枫 王海军
统筹：袁佩如 王良珏
采写：南方+记者 许宁宁 昌道励
摄影：南方+记者 张令
剪辑：南方+记者 何志豪 龙达洋
设计：吴颖岚 谭唯
大牛证券提示：文章来自网络，不代表本站观点。
