近年來，機器人手領域顯著擴展，從傳統的工業應用轉向更復雜的人類生活場景。這一轉變促使研究者著眼于開發能夠提供靈巧運動和豐富觸覺感知的機器人手。然而，當前的研究主要集中在手指或指尖觸覺感知。而手掌作為一個提供機械支撐和感知反饋的重要接觸區域，由于目前感知密度有限以及與手指的交互能力不足，未被充分探索。

論文標題： Soft robotic hand with tactile palm-finger coordination 論文鏈接： https://www.nature.com/articles/s41467-025-57741-6

人手在日常抓握和操作物體時，手掌與物體間會形成廣泛的接觸。受此啟發，我們提出了一類集成高密度視觸覺手掌、靈巧軟體手指以及手掌-手指協作策略的機器人手(TacPalm-SoRoHand)。這種設計通過掌-指緊密交互，提高了抓取穩定性，在抓取時精細重建物體表面形貌，并對不同物體準確分類。利用掌-指動態反饋策略，實現了平面物體拾取、連續缺陷檢測和實時姿態調整等交互式精細操作。此外，結合人工智能實現了人機協作，開辟了人機共融新思路。相關成果以題為“Soft robotic hand with tactile palm-finger coordination”發表于Nature Communications 期刊。

圖1 TacPalm-SoRoHand的總體概念 一、結構設計

圖2 TacPalm-SoRoHand的結構

我們的設計目標是在手掌上實現高密度觸覺感知，并具備靈巧的手指運動能力以抓取各種日常物體。基于感知技術和機器人抓取原理，我們認為：視觸覺感知原理可集成到手掌區域以提供高密度觸覺反饋，而具備強力包絡和精確捏取兩類功能的三指手足以完成多數抓取任務。因此，TacPalm-SoRoHand的機械結構包括緊湊的視觸覺手掌、能夠實現兩類抓取功能的軟體兩段式手指，以及掌指連接器。

觸覺手掌由微型攝像頭、多層感知彈性體、發光二極管環和輔助組件組成。多層感知體包括一個覆蓋灰色膜的彈性體層、一個透明亞克力層，以及一個用于擴散光線的漫射層。當物體接觸感知體時，感知彈性體發生形變，攝像頭記錄形變信息。為獲取深度信息，發光二極管環被編程為紅、綠、藍三組，生成不同深度的彩色光梯度。

軟體手指由兩段纖維增強彈性體腔室、附著在彈性體腔室底部的高模量聚乙烯片，以及由低模量彈性體外皮組成。在氣動驅動過程中，彈性體腔室的頂部伸長，而聚乙烯片限制了底部的伸長。頂部和底部伸長差導致手指段的彎曲運動。近端段和遠端段可以獨立或統一驅動，使手指能夠實現強力包絡和精確捏取，適用于大多數抓取任務。

二、性能表征

圖3 掌部觸覺感知性能

觸覺手掌的感知單元總數為1280×800，感知區域為30.08×18.80mm的矩形，感知密度約181000單元/cm2，遠高于人手的240單元/cm2。觸覺手掌能響應最小約1 kPa的壓力，其產生的壓痕尺寸隨法向壓力增加而增大，能夠通過幾何模型和壓痕變化來估計法向壓力。法向壓力響應較穩定，超5000次加載-卸載循環未出現明顯衰減。通過分析觸覺圖像及其RGB強度分布，發現其內部光照相對均勻。通過校準測試，可生成RGB強度和深度梯度，并依靠快速泊松算法重建物體表面形貌。通過等距條紋塊評估了平面形狀重建能力，其在亞毫米尺度上具有明顯的直線條紋和鋸齒狀峰值特征。通過三角形臺階塊評估了垂直方向形狀重建能力。平面和垂直方向的精度分別為92.3%和81%。

圖4 軟體手指的性能及抓取能力

軟體手指的工作空間呈新月形，可視為三種驅動模式組合的結果：近端驅動、遠端驅動、以及兩段共享壓力的均勻驅動。手指彎曲角度隨驅動壓力非線性增加至最大204.3±7.6°，與人類手指相當。整手最大抓取力14.6±0.6N，滿足多數日常物體的抓取需求。手掌增強了抓取可靠性：通過與細長/扁平物體的尖端/邊緣接觸來保持物體穩定；其表面柔順性能與易碎變形物體安全交互；阻擋了松散物體，并能夠被動適應大型非凸面物體。

手掌觸覺反饋能夠輔助抓取。例如，在物體高速遞送任務中，配備掌部觸覺反饋軟體手包絡物體成功完成任務，而未配備觸覺反饋的軟體手則“包不住”而遞送失敗。在杯蓋拾取任務中，配備掌部觸覺反饋的軟體手實現了更穩健的拾取（20次實驗成功率100%），而未配備觸覺反饋的成功率僅65%。其原因在于手掌-杯蓋觸覺反饋可觸發軟體手指包絡杯蓋邊緣，而不是僅僅捏取其尖端而使其滑落。

三、應用驗證

抓取過程中的精細物體感知與分類

圖5 對不同抓取物品的精細感知和分類

為評估TacPalm-SoRoHand在抓取過程中感知物體表面特性的能力，我們選擇了三類物體。

第一類是尺寸較大且具有不規則脆弱表面紋理的自然物體，例如苦瓜、餅干和松果。以“先近端-再遠端”的順序驅動手指可抓牢物體而不會將其推出，使物體幾乎垂直地按壓在手掌面而不產生損傷。手掌感知物體的接觸壓痕，并重建栩栩如生的三維表面形狀。

第二類是具有明顯幾何特征的小型工業部件，例如電路板、止回閥和螺絲。這些物體通常較薄，以“先遠端-再近端”的順序驅動手指可準確抓取物體并將其垂直按壓。觸覺手掌生成的重建圖像重現了物體細微的幾何特征，為后續操作提供幫助。

第三類是易起皺的織物，特征厚度更薄，僅為0.5mm，且其精細紋理易與手指壓痕混淆。以“先遠端-后近端”的順序驅動可使手指展平織物并將其垂直按壓。手掌生成觸覺圖像經算法增強后可減少手指壓痕的干擾，從而實現了織物復雜紋理重建。此外，可通過快速傅里葉變換以頻譜圖方式分析紋理的周期性和方向特征。

在此基礎上，我們對10種不同織物進行分類。實驗前，我們通過AI算法構建了不同織物類型觸覺圖像的數據集和學習模型，實時計算效率高，處理時間<0.01s。實驗結果表明，該系統對織物的平均分類準確率達97%，誤分類發生在織物類型5上，原因是按壓過程中獲取的觸覺圖像未能完全反映其大孔狀圖案。同時，可構建分類準確率矩陣，獲得最佳的（準確率>90%）的手指力和驅動氣壓設置區間。

基于手掌觸覺反饋的精細操作

精細操作需要手指運動與手掌觸覺反饋之間的緊密配合。例如，安裝在機械臂上的軟體手從桌面上拾取一張卡片，起初只有卡片的頂部表面可供接觸。通過協調的兩段式循環手指步態策略（起始-接觸-拉動-抬起-恢復），軟體手逐漸將卡片從桌面移向手掌，從而顯露卡片側邊。觸覺手掌采用邊緣檢測算法感知由卡片側邊接觸產生的線狀壓痕，這一信息觸發手指驅動系統進行自適應抓取。這種策略具有通用性，不僅限于實心卡片，對于難以用傳統方法真空吸附的多孔扁平物體同樣適用。

這種掌指協作可進一步用于實現對手掌所持物體（如表面帶有瑕疵的雜色布料）的連續檢測。軟體手執行手指步態，逐步拖拽或推動布料朝一個方向移動，使觸覺手掌能夠連續地檢測瑕疵，而不僅限于固定位置。結合顏色差異圖像算法，可區分“有瑕疵”和“無瑕疵”區域的壓痕差異。這一應用展示了掌指協作將感知邊界擴展到原本手掌設計尺寸的物理限制之外，在不引入額外裝置的情況下實現了更大區域的自動感知。

進一步，我們通過一個茶壺倒水實驗來展示觸覺手掌與靈動手指的精妙配合：軟體手抓取茶壺，并通過實時手掌觸覺反饋動態調整抓取姿態。手掌觸覺通過壓痕輪廓區域值（ICA）進行量化。在倒水過程中，茶壺重心由于水的移動而發生輕微偏移，在視覺上難以察覺，但會影響抓取穩定性。我們的方法是：當ICA低于閾值，氣動驅動系統以預設壓力增加手指彎曲程度，調整茶壺姿態并使其在手掌上穩定；在隨后倒水過程中，ICA升至閾值以上，確保任務完成。與傳統方法（手指同時處理反饋和執行）不同，本方法中的手掌提供穩定支撐和觸覺反饋，而手指則作為專用末端執行器。這種功能分離在涉及人類參與的場景中尤其有益，因為傳統方法不僅需要復雜的手指接觸控制，還可能引入安全風險。

最后，我們將軟體手-機械臂（臂手系統）與AI結合，展示用于識別并遞送已包裝物體的人機交互應用。在該應用中，五組不同的物體（螺母、豌豆、螺栓、瓜子和西米）分別包裝于黑袋中形成“盲袋”。實驗前我們通過AI算法預訓練觸覺圖像。在實驗中，志愿者需尋找目標物品（如瓜子），并指揮臂手系統從多個盲袋中識別目標，而識別結果實時顯示于屏幕。若識別出的物品并非目標，臂手系統繼續檢查下一個袋子，重復這一過程。一旦找到目標，臂手系統會拉下盲袋并安全地將其遞送給志愿者，由志愿者打開盲袋進行驗證。實驗結果顯示，盲袋的平均識別準確率為88%。其中，瓜子的識別準確率為100%；兩組物體（螺母與西米，螺栓與豌豆）在一定程度上被誤識別為各自組中的后者（混淆率為15%）。這種誤識別主要源于它們相似的尺寸、幾何形狀以及袋子的模糊效應。

四、總結展望

綜上所述，我們開發了TacPalm-SoRoHand，無縫集成了高密度視觸覺手掌、兩段式氣動軟手指及其協調策略。與現有技術相比，TacPalm-SoRoHand在觸覺手掌與軟體手指之間實現了緊密而廣泛的協作：觸覺手掌通過多種反饋策略提升了手指的抓取與操作能力，而軟體手指則通過靈巧運動增強了物體與手掌的接觸交互，進一步優化了觸覺感知。這種手掌-手指協作展現了巨大的應用潛力，例如高分辨率三維表面重建、物體分類、以及動態精細操作，有望推動智能靈巧手的進一步發展，并為新型人機交互應用開辟道路。

上海交通大學博士后張寧斌與任杰驥為論文共同第一作者，谷國迎教授與朱向陽教授為論文共同通訊作者。該研究得到了國家自然科學基金、上海市科委基金、國家博士后創新人才計劃、國家博士后面上項目、上海市超級博士后激勵計劃、騰訊科學探索獎的資助。

作者：張寧斌、任杰驥 來源： 公眾號【SoRoSJTU】

llustration From IconScout By IconScout Store

-The End-

掃碼觀看！

本周上新！

“AI技術流”原創投稿計劃

TechBeat是由將門創投建立的AI學習社區（www.techbeat.net）。社區上線600+期talk視頻，3000+篇技術干貨文章，方向覆蓋CV/NLP/ML/Robotis等；每月定期舉辦頂會及其他線上交流活動，不定期舉辦技術人線下聚會交流活動。我們正在努力成為AI人才喜愛的高質量、知識型交流平臺，希望為AI人才打造更專業的服務和體驗，加速并陪伴其成長。

投稿內容

// 最新技術解讀/系統性知識分享 //

// 前沿資訊解說/心得經歷講述 //

投稿須知

稿件需要為原創文章，并標明作者信息。

我們會選擇部分在深度技術解析及科研心得方向，對用戶啟發更大的文章，做原創性內容獎勵

投稿方式

發送郵件到

melodybai@thejiangmen.com

或添加工作人員微信（yellowsubbj）投稿，溝通投稿詳情；還可以關注“將門創投”公眾號，后臺回復“投稿”二字，獲得投稿說明。

關于我“門”

將門是一家以專注于數智核心科技領域的新型創投機構，也是北京市標桿型孵化器。 公司致力于通過連接技術與商業，發掘和培育具有全球影響力的科技創新企業，推動企業創新發展與產業升級。

將門成立于2015年底，創始團隊由微軟創投在中國的創始團隊原班人馬構建而成，曾為微軟優選和深度孵化了126家創新的技術型創業公司。

如果您是技術領域的初創企業，不僅想獲得投資，還希望獲得一系列持續性、有價值的投后服務，歡迎發送或者推薦項目給我“門”:

bp@thejiangmen.com

點擊右上角，把文章分享到朋友圈