点击下方链接 关注我们
10月27日，小米技术公众号披露仿生灵巧手研发成果，新一代产品面向工业柔性制造场景，采用21个自由度、26个电机混合驱动方案，并配备1500个高密度全掌触觉感知点。此前，前特斯拉Optimus灵巧手团队成员卢泽宇于2025年11月加入小米机器人团队，担任灵巧手负责人。据媒体报道，卢泽宇表示，将推动灵巧手技术路径收敛与工程化落地。
图片来源：小米技术
据小米技术官微介绍，该仿生灵巧手以小米汽车工厂的柔性制造场景为设计原点。团队从小米汽车-智能制造部中试中心16个典型工段的2579个SOP中选取1827个，采集真实作业的多角度视频与动作捕捉数据，覆盖超过70.8%以上典型工段的人工作业工序。团队对采集的动捕数据集进行分类、切片、清洗和重定向处理，用于基于人手的多维数据分析与仿真。同时，团队利用工厂实际工具、零件及操作物构建仿真数字资产，对仿生灵巧手开展多角度抓握仿真验证。
自由度数量的确定同样基于真实作业数据的仿真消融分析。结果显示，17至21自由度区间的平均稳定抓握成功率较6至15自由度区间提升15%至38%，其中21自由度方案在工厂操作覆盖度和抓握成功率方面表现最突出；当自由度增至23个及以上时，抓握能力的提升幅度明显放缓。
真机抓握验证（来源：小米技术）
在驱动方案上，小米采用以腱绳驱动为主、融合直驱的混合驱动架构，绳驱电机主要集中在小臂，手掌重量为324克。针对腱绳蠕变带来的非线性控制问题，团队设计了腱绳张力传感器，以提升抓握过程中的力控精度。
触觉方面，该灵巧手配备1500个触觉感知点，指间、指腹及指根处的触觉空间分辨率达到1毫米，掌心区域达到2毫米，实现全掌高密度覆盖，且触觉组件支持更换与维护。
针对电机密集布局带来的散热问题，小米团队研发了热预测模型，可在线监测和预测维持当前操作在未来5-10分钟的温度分布与变化趋势，目前预测误差优于3℃；同时，团队还在探索高性能散热织物方案，以提升散热效能。
真机抓握验证（来源：小米技术）
从行业发展来看，随着人形机器人逐步面向工业制造场景，灵巧手的抓握能力、触觉感知、控制精度及长期运行可靠性，成为影响机器人执行复杂操作任务的重要因素。小米此次研发以真实工厂作业数据为基础，将制造场景中的操作需求纳入灵巧手设计与验证，为其在柔性制造场景中的应用探索提供了技术基础。
内容综合自小米技术
凡资讯来源注明为其他媒体来源的信息，均为转载自其他媒体，并不代表本网赞同其观点，也不代表本网对其真实性负责，转载请联系原出处。您若对该文章内容有任何疑问或质疑，请立即与后台小编联系，平台将迅速给您回应并做处理。
精选阅读
▶▶▶
关注我们
微信号｜集邦AI产业观察
报告网站｜topology.com.cn
发现“分享”和“赞”了吗，戳我看看吧
