🖐️ 少一根手指，多十个自由度：Atlas 那只手为什么砍掉了小指
工厂流水线上，人手握电钻的方式只有一种：拇指扣住扳机，四指包住握把。要换一颗钻头，得先把钻头放稳，松开一只手去拿，再重新握回去。
工厂流水线上，人手握电钻的方式只有一种：拇指扣住扳机，四指包住握把。要换一颗钻头，得先把钻头放稳，松开一只手去拿，再重新握回去。
机器人能不能把这套动作拆开做？波士顿动力在 10 月 1 日给 Atlas 装上了一只手，给出的答案是：能，而且这只手只有四根手指，其中一根小指被主动砍掉了。
✋ 五根手指与四根手指的差别
人手五根手指。Atlas 新手四根，13 个自由度：拇指 4 个，其余三指各 3 个，捏取与三指抓握都做得到。上一代 Atlas 的手是 7 个自由度，定位在稳定抓取与搬运。
差别不在能否拿起东西，在于能否改变东西的姿态。官方演示里，Atlas 把小物件夹起来之后在掌心翻转方向，单手在掌心里同时滚动两颗高尔夫球，还能从打滑的抓握里把东西捞回来。
工程师把这件事讲得很直白。上一代手是为抓各种东西设计的，新手是为操纵这些东西设计的。
🔢 为什么砍掉小指
小指的代价在官方原话里被摊开了：那点额外灵巧度和能多做的任务，不值多出来的三个自由度，以及随之而来的体积与功耗。
被砍掉的是三个自由度。全都加上意味着多三个执行器，多一整套驱动，多一处可能的故障点。对一台要在工厂里反复维护、反复操作的机器，四个手指够用就够用。
注意这个取舍的性质。这不是仿生学上的偷懒。手指数量与自由度只是手段，可靠性、耗材成本与维护便利才是被优化的目标。手指人类有五根，与这条流水线无关。
被砍掉之前，团队做过实验。他们把无名指与小指捆在一起试过，确认四指能覆盖预期任务里的捏取、三指抓握与掌内翻转。这个实验结果就是那三个自由度的成本核算依据。
🔩 直驱与可反驱：为了仿真而牺牲的机械余量
新手全关节用同一种执行器，执行器封装起来，没有跨关节的脆弱线缆。这是两个直接的好处：传动路径简单，以及关节可以反驱。
反驱的意思是外力能推动关节，而不是被刚性的高摩擦机构挡住。对控制的价值是双份的：机器人能通过本体感知估计自己的关节位置与运动，同时接触不如预期时能顺着力退让，而不是顶回去。
代价同样清楚：可反驱意味着关节不那么"硬"，输出力矩的上限受电机本身的力矩限制。
设计核心其实落在仿真上。波士顿动力说他们的控制补偿了摩擦与齿槽转矩，让这只手能在仿真里保持高动态保真度，然后靠强化学习加域随机化在仿真中训练策略，部署到真机时只依赖高频执行器的本体感知。
团队的说法是初步 sim-to-real 结果乐观。这句话的分量要说准：材料里没有给出试次数量、成功率和置信区间，也没有人独立复现过。仿真能支撑训练方法，不能确立工厂里的常规可靠性。
🛠️ 工具清单与触觉
工具清单是这只手的目标清单：钻、电动扭矩枪、磨机、钉枪、焊炬。这几样东西的共同点是都有一个需要持续按住的扳机，还有一个需要稳定握住的握把。
波士顿动力说拇指指尖能沿着其他手指的长边与宽边滑动，这是为了让工具在手心里转方向而不掉出来。
触觉是另一条主线。指尖与掌心覆盖密集压觉传感器，控制器根据测到的接触力调整抓握。官方的说法是这些传感器与本体感知互补，一个告诉你手在哪里，一个告诉你接触面发生了什么。
严格讲清楚分工：本体感知估计的是机器人自己的姿态，压觉告诉你接触的力有多大。把两个信息接在一起，才能在夹住一个鸡蛋和夹住一块钢板之间做出不同的力度决策。
Atlas 平台本身的负载指标是瞬时 110 磅、持续 66 磅，新手能握住一台装载后超过 100 磅的小冰箱。这些是被报道的能力，不等于在任意工厂环境下的安全保证。
🏭 从演示到产线：中间还差一段
先把新旧两代 Atlas 手放在一张表上对比，这只手的位置就清楚了。
| 维度 | 上一代手 | 新手 GR3 |
|---|---|---|
| 手指数 | 三指夹爪 | 四指 |
| 自由度 | 7 | 13 |
| 目标 | 稳定抓取与搬运 | 精细操纵与工具使用 |
| 拇指 | 无对生结构 | 对生，4 自由度 |
| 传动 | 未说明 | 单类型直驱，可反驱 |
| 跨关节线缆 | 未说明 | 无，执行器全封装 |
| 触觉 | 未说明 | 指尖与掌心密集压觉 |
| 尺寸 | 未说明 | 接近大型人手 |
| 工具作业 | 未说明 | 钻、扭矩枪、磨机、钉枪、焊炬 |
这一步是这个故事真正的分界线。到发布会为止，演示是演示；元工厂应用中心把"在产线重复做同一件事"变成一个可以被度量的过程。这家公司的灵巧手从 CES 2026 的三指夹爪走到四指 13 自由度，走的是同一条路：把一个能演示的能力，推成一个能维护的设备。
同一周还有几件事可以放在旁边看。IROS 2026 上 Agility 发布 Digit 5，官方给 Digit 4 的北美客户现场累计运行小时数是 65,000 小时以上，客户包括亚马逊、施乐舍弗勒与丰田加拿大。Sanctuary AI 报告在一家一级汽车供应商的实测基准上，一项复杂插线任务达到 99.5% 以上成功率与 2.54 秒节拍。这两个数字的性质与上面完全不同，一个是小时数一个是成功率加节拍，都是部署侧的口径，不是演示视频。
🧭 13 这个数字要怎么读
自由度从 7 到 13 是这则消息里最容易被引用、也最容易被误读的数字。关节数本身不保证性能。传感质量与机械柔顺度决定这些运动能变成多少有用的接触，控制质量决定它能不能稳住。
掌内翻转、捏取、三指抓握、扳机作业这四项能力，是这只手真正被验收的标准。四根手指够不够，取决于这四项能不能在产线条件下重复，而不是取决于少的那根手指在解剖学上有多重要。
下一根钉子很具体：这只手在真实产线上的重复作业次数与每次的力控精度，以及维护周期。谁先把这三项公开出来，谁就拿到了灵巧手从演示走向量产的第一个可验证数字。
信源与限定
- 波士顿动力 2026-10-01 发布材料；heraldcorp、roboticfirms、science.report 报道；香港经济日报、RoboRadar 报道。
- 引语来自 Atlas 团队 Alberto Rodriguez（机器人行为总监）与 Dylan Thrush（机械工程师）。
- sim-to-real 部分明确标为团队自述乐观，无试次数量、成功率、置信区间，无第三方复现。
- 负载与指尖滑动等能力均为报道值，非在任意工厂环境下的安全保证。
- 旁证数字（Agility 65,000 小时、Sanctuary 99.5% 与 2.54 秒）来自各自公司口径，未核到原始测量方法。