今天展示的是 Atlas 的新一代机械手，它与 Atlas 当前的能力完美匹配。设计时以简洁为核心，为未来大规模量产铺路。

在机械手的运动学方面，我们增加了自由度。过去是 7 个自由度，GR3 现在有 13 个。新手在尺寸和力量上比普通人类手略大一些，但平均而言也更强壮一些。

我们在设计之初就设想了一些希望这双手天生就能完成的灵巧动作。比如实现灵巧的捏取——像捏住小物件、用拇指搓动它；或者实现三指抓取，握持某物时既保持一定力量，又能继续移动它；还能握住工具的把手，同时按下扳机。我们清楚，这些丰富多样的灵巧操作行为，在 Atlas 的技能路线图中非常重要。

我个人非常兴奋的是，这双手可以被干净地仿真，这为强化学习带来了非常有趣的可能性。同时它接近拟人形态，人类演示与这双手的实体之间的差距非常小。

我们选择当前这些任务，是因为它们代表了我们真正关心的任务类型。这类物体重新定向，两个任务都需要它。如果我们能完成这些任务，就意味着我们能用工具、或者用需要组装的零件做类似的事情——这正是我们长期真正关心的。

目前强化学习大量用于训练整个身体，我们正在探索如何用这些工具让机器人真正用它的手臂和手来操作物体。

我们努力让这双手可仿真，同时对力和运动保持透明。环境施加在手指上的任何力都会被传递，我们能通过本体感觉感知到；我们想要施加到环境上的任何运动，也能非常透明地执行。

本体感觉是一个生物学概念，指的是你感知身体或肌肉在空间中位置的能力——它们是否在移动、承受了多大的力。

它不仅有利于本体感觉、帮助我们做出灵巧的动作，在受到冲击时也很有优势。当你用力撞到某个东西时，关节能够加速并让开，而如果关节惯性大或摩擦大，变速箱就会被损坏。所以这不仅有利于性能，也有利于耐用性。

当我们要在模拟器中仿真这些执行器和这只手时，通常关注三件事。

第一是运动学：手的几何结构是什么？连杆是怎样的？关节是怎样的？

第二是动力学：系统中有多少摩擦？能施加多大扭矩？系统中有多少间隙？我们如何仿真这些？

然后我们开始考虑接触动力学：这个夹爪如何与环境交互？

在做虚实匹配时，我们考虑的一件事是，不能只从一个方向入手，而要从两个方向同时逼近。

我们考虑过非常多的设计方案，有很多问题，比如：我们希望这只手有一个拇指还是两个拇指？我们真的需要小指吗？大多数问题都没有直接答案，总需要一些直觉和实验。归根结底是在不同竞争目标之间做权衡。所以我们用很多方法来决策，比如用仿真、用3D打印的模型设计，甚至自己亲自试一试。

有一次，我们的CTO扎克让我们把小指和旁边的指头绑在一起，这样过一天。第二天我们就决定，好吧，大概不需要那根手指。我当时不在场，还真有点希望自己在。现在回想起来，我挺想试试的。

最终没有小指，因为团队认定，它带来的额外灵巧度和能完成的任务，不值得增加三个额外的自由度、体积、功耗——所有增加执行器带来的代价。

手的研发之路很漫长。

但这款手确实为我们今天要完成的工作奠定了良好基础。

多指手本身就像一个小型机器人，想想它里面的关节数量和电机数量就知道了。

我们在研发这款夹爪时遇到的最大难题是——我没想到这份工作要做这么多科学研究。

想到自己能参与这么多科学研究，我真的很兴奋。

Atlas 团队正在积极推动这一领域的技术前沿。