机器手作为人形机器人与外界交互的重要媒介，是机器人功能性的直接体现，需要“人手”参与的工作都是机器手的应用场景，在特定场景（如精密装配）中展现出超越人类手部的稳定性。2025年6月9日，由北京大学人工智能研究院、北京大学武汉人工智能研究院、北京通用人工智能研究院、北京大学工学院和伦敦玛丽皇后大学联合组成的科研团队在《自然·机器智能》（Nature Machine Intelligence）上发表题为“Embedding high-resolution touch across robotic hands enables adaptive human-like grasping”的论文，标志着该团队在高分辨率触觉感知机器手领域取得重要进展。由于其可提供超越人类手部稳定性的操作，该科研成果在对操作精度有极高要求的辅助手术、高精密组装类工作以及航空航天、应急响应等领域有广泛的落地场景，并有望推动机器人技术在医疗、工业制造、特殊环境作业等领域的落地应用。
图1. Nature Machine Intelligence截图
研究团队开发的F-TAC Hand（基于全手触觉的机器人仿生手，Full-hand Tactile-embedded Biomimetic Hand，简称F-TAC Hand）是国际首个同时具备全手高分辨率触觉感知和完整运动能力的机器手系统。
随着人类的进化，手部的功能由攀爬转为使用工具，并逐渐掌握了精准抓握能力。手部既是人类改造自然与外界交互的核心器官，也是智能的核心载体。人的手部具有结构高度复杂、功能极为精密的特点，手部由27块骨骼和34块肌肉组成，提供了24个自由度的灵活性，对人类手部功能的研究是具身智能与机器人学科研的前沿领域。
在以往的研究中，触觉反馈与运动能力的整合被认为是机器人研究领域中的关键挑战之一。F-TAC Hand通过传感器与结构一体化设计成功突破了这一瓶颈。首先，从硬件角度来看，如何避免触觉传感器的引入对机器人的运动灵活性造成影响是第一个难题，同时当前的触觉传感技术在覆盖率、分辨率和耐久性等方面仍难以满足实际应用需求。其次，即便获得了具备高分辨率触觉感知能力的机器手，如何高效地处理大量的触觉数据，并以此驱动每个关节协同运动，使其在高自由度空间中像人一样完成复杂的任务，依然是一个亟待解决的难题。
联合科研团队取得的成果是首次在保持完整运动能力的前提下，实现了机器手掌表面70%区域的高分辨率触觉覆盖，使机器人能够像人类一样通过触觉反馈进行精确操作和适应性抓取。
目前主流的机器手或抓取器由于缺乏丰富的触觉反馈，难以应对动态环境中的复杂操作任务。人类手部的灵活性和适应性很大程度上依赖于其密集的触觉传感能力，能够精确感知并调整抓握过程——例如在抓取装满水的杯子与空杯子时，人类会自然地调整抓握位置、角度和力度。然而在机器人领域，如何在不影响运动功能的前提下实现全手触觉覆盖一直是个技术难题（图2）。
针对这一挑战，研究团队开发的F-TAC Hand在高分辨率触觉传感方面取得突破。其触觉传感器覆盖了手掌表面70%的区域，空间分辨率达0.1毫米（相当于每平方厘米约10,000个触觉像素），远超商用机器手的感知能力。
图2. F-TAC Hand与人手比较
F-TAC Hand的设计灵感来源于人类手部的生物结构，其触觉系统模拟了人类手部的两大关键要素：遍布皮肤的密集触觉传感器阵列和高效处理海量感觉输入的神经机制。研究团队通过将17个高分辨率触觉传感器以6种不同配置集成在一起，并巧妙地将传感器同时作为感知元件和结构部件，在不影响灵活性的情况下实现了前所未有的触觉覆盖范围。这种仿生设计使F-TAC Hand能够像人类手掌一样，在抓取过程中实时感知接触变化并快速调整，从而显著提升了机器人在不确定环境中的操作稳定性。
视频1. F-TAC Hand实时高分辨触觉感知能力
针对机器手高度关节灵活性带来的控制挑战，研究团队开发了一种基于概率模型的智能算法，能够生成涵盖人类19种常见抓取类型的多样化策略。在实现多物体同时抓取这一灵巧性关键测试中，F-TAC Hand展现出卓越的适应性智能机制。与简单的双指夹持单一物体不同，该系统通过精确的全手接触检测和动态运动策略调整，实现了对多个物体的精准稳定抓取。这种智能控制架构有效解决了复杂抓取场景下的操作难题。
在现实环境中执行多物体序列抓取任务出现较大执行误差，无法继续执行后续抓取时，F-TAC Hand能够在约100毫秒内通过触觉反馈感知到这一情况并快速切换至替代策略，确保任务完成。为验证这一技术的实际效果，研究团队在600次真实世界实验中评估了F-TAC Hand的多物体抓取能力。结果表明，相比没有触觉反馈的系统，F-TAC Hand在面临执行误差和物体碰撞风险时表现出显著的适应性优势，平均成功率从53.5%提升至了100%。这种基于触觉的闭环反馈机制，使F-TAC Hand能够像人类一样，在不确定环境中保持高效灵活的操作能力，这对机器人在家庭、医疗和工业环境中的实际应用至关重要。
视频2. F-TAC Hand自适应多物体抓取能力
论文共同第一作者为北京大学人工智能研究院博士生赵秭杭、李宇飏，北京通用人工智能研究院研究员李皖林、刘腾宇，通讯作者为北京大学人工智能研究院助理教授朱毅鑫、北京通用人工智能研究院研究员刘航欣和伦敦玛丽王后大学教授Kaspar Althoefer，合作作者包括北京大学人工智能研究院教授朱松纯、副研究员杜凯，北京大学工学院教授王启宁，北京通用人工智能研究院研究员李博韧和王濛。
该研究工作得到了科技部2030重点研发计划、国家自然科学基金面上项目、北京市科技新星计划交叉课题的资助，并在武汉东湖高新区国家智能社会治理实验综合基地的支持下完成了相关工作。
