探索人形机器人核心：灵巧手的挑战与机遇

在前一篇文章中，我们详细梳理了人形机器人产业链的各个环节。本篇将深入探讨灵巧手的重要性，并关注以下几个关键问题：

1）为何灵巧手如此重要？

2）灵巧手的产业瓶颈究竟在哪里？

3）这些瓶颈的解决意味着什么风险与机会？

4）灵巧手的未来方向是什么，可能的商业化路径是什么？

言归正传：

为何关注灵巧手？

对于人形机器人，马斯克及特斯拉多次强调灵巧手的难度及价值。在Optimus人形机器人的演示视频中，我们也可以看到市场对手部动作的期待。同时，尽管人形机器人整机厂商在身体关节的动作控制上取得了显著进展，如跳舞、打拳等，但手部动作的实现却相对滞后。

这恰恰说明手部动作的实现难度远大于身体关节。

想象一下，一台只装了假手的人形机器人，尽管身体关节灵活，但如果没有灵巧的双手，其实用性与普通机器人无异。因此，手是人形机器人最关键的部位，但从产业化的角度看，其实现难度确实很大。

例如：当人类决定用手抓取东西时，依据是什么信息呢？首先是视觉信息，我们通过视觉判断物品的位置、距离等；然后是触觉信息，通过手指的触觉神经获取物品的重量、软硬等信息。这些信息对于实现精准抓取至关重要。

图：Optimus抓取鸡蛋及应用触觉传感器

通过以上分析，我们可以简单理解灵巧手的难度。那么，要想使灵巧手实现这样的能力，其瓶颈又在哪里？

灵巧手的瓶颈在哪里？

硬件方面，难点在于硬件集成和多模态感知融合；软件方面，难点在于大模型算法架构和数据量积累。

硬件角度，难点主要体现在高空间集成和多模态感知

（1）空间集成难度大：

例如在特斯拉Optimus 2.5方案中，需要在极小空间内塞下20多个自由度所需要的零部件，且这些零部件需满足高功率密度、高精度等要求。

（2）对感知要求高：

需要大量且多模态的传感器，其中触觉传感器是难点。这涉及到传感器的精度和数据一致性等问题。

软件角度，主要在大模型算法架构和数据量的积累

（1）算法瓶颈：

人形机器人的算法仍处于动态演进阶段，技术路线尚未收敛。对于灵巧手而言，其控制算法需要能够处理多模态感知输入，这对算法的多模态信息融合能力要求极高。

（2）数据量瓶颈：

人类动作的数据采集与标注极其复杂且成本高昂。

总之，灵巧手的研发必须与算法深度融合，绝不仅仅是一个孤立的模块。

哪些硬件比较重要？

执行器技术路线方面，特斯拉Optimus的最新版本大体采用电机+行星齿轮箱+微型丝杠+腱绳的结构。其中电机、行星齿轮箱、微型丝杠和腱绳是关键组件。

产业链环节和硬件以及相关公司

1、触觉传感器：

触觉传感器的面积和数量预计将继续增加，由指尖扩展到整个手掌。目前行业领先的是荷兰皇家帝斯曼集团。

2、执行器硬件：

未来电机可能由空心杯电机过渡到无刷有齿槽电机；丝杠可能由微型滚珠丝杠进化为行星滚柱丝杠。

风险在哪里？

技术路线未收敛：

如果技术路线最终确定，会带投资机会；但如果被抛弃，将面临预期落空的风险。

供应链还未收敛：

如果进入量产阶段，最终未进入供应链的硬件企业将面临预期落空风险。

行业展望

未来灵巧手真的是人形机器人必不可少的模块吗？

从任务泛化和环境适配的角度看，几乎必然选择五指手的形状。

但从商业化的角度看，灵巧手是一个马上可以商业化的产品吗？

初期阶段，灵巧手的应用将集中在限定性场景。