1X更新“灵巧手”，要成为AI通往物理世界的API接口？

©有界UnKnown原创

作者丨钱江

编辑｜山茶

北京时间7月10日，1X创始人Bernt Børnich正式发布了NEO机器人的新一代灵巧手，并将其形容为“通往物理世界的API接口”。

据Bernt Børnich介绍，这双手在灵巧性、力量、速度和可靠性等关键维度上，已经接近甚至超过人类水平。从演示画面来看，它的多根手指能够独立、快速地连续运动，如同在空气中弹奏钢琴，还可以打手语。

“我们的目标从来不是打造一款只在纸面参数上看起来很强的机械手。”Bernt Børnich表示，1X真正关注的，是如何让类人机器人变得实用。

在他看来，这双手让NEO跨过了一道关键门槛，使其能够像人类一样，用双手完成日常生活中的各类任务。这也是人形机器人真正进入现实世界的关键一步。

未来，每台NEO机器人都将配备这样一双手。目前，这款灵巧手已经具备规模化生产能力。1X称，公司今年可生产1万只机械手，已有数百只从可扩展的生产线上下线。

一双读懂物理世界的手

根据1X官方技术博客，这双手共有25个自由度，其中，手指和手掌拥有22个全驱动自由度，手腕拥有3个自由度。所有自由度均原生支持力控制，并具备完全反向驱动能力。

这意味着，NEO不仅能够控制手指移动到什么位置，还能控制接触物体时施加多大的力，并根据外界反馈实时调整动作。机械手因此不再只是执行器，而成为机器人感知和理解物理世界的一部分。

为了实现这种能力，NEO灵巧手采用了仿生肌腱驱动方案，并将驱动器、肌腱与关节进行协同设计。相比刚性更强的高减速比传动结构，这种方案在保留力量的同时，也提升了机械手的灵活性和顺应性。

从具体参数来看，其拇指腕掌关节峰值扭矩可达3.5N·m，手指掌指关节峰值扭矩可达2.6N·m，远端屈曲力可达45N，腕关节峰值扭矩可达17.75N·m。这样的力量配置，使它既能完成精细捏取，也能进行全手抓握、使用工具、开门、搬运物体，甚至推动载重推车

除了“会动”和“有力”，这双手也具备更丰富的触觉。其指尖和手掌表面配备了高分辨率触觉感知系统，可以测量接触位置、法向力和剪切力。

借助这些信息，NEO能够判断物体是否开始滑动，并及时调整抓握力度。对于透明、柔软、易碎、易变形或被遮挡的物体，仅依靠视觉往往难以准确操作，触觉反馈因此成为机器人完成精细任务的重要补充。

这种触觉反馈，可以感知物体的接触状态，并据此调整力度和姿态，也是NEO灵巧手与传统机械手的主要区别。

大多数传统机械手更像一种“只写设备”：系统向其发送位置指令，它便移动到指定位置，却很难将接触物体时产生的有效信息反馈回来。

这一局限主要来自传动结构。传统机械手通常采用100∶1甚至200∶1的高减速比，外界接触产生的细微作用力，在传递至电机之前，往往已经被传动系统中的摩擦大幅削弱。

由于关节本身难以直接感知外力，设计者通常需要在机械手表面增加传感器，间接判断指尖的接触状态。这有些像用摄像头观察一只缺乏知觉的手：能够看到接触，却无法直接感受到接触。

NEO灵巧手采用约5∶1至15∶1的低减速比和准直接驱动结构。其25个自由度均支持力控制和反向驱动，因此，当手指受到外力时，系统不仅可以做出相应动作，也能估算并反馈受力大小。

目前，NEO已经能够组装乐高积木、取出硬币和螺丝、安装灯泡、使用螺丝刀、拉拉链、分拣葡萄、倒茶、接住软球、插入USB-C接口、擦拭桌面，并通过手语进行交流。

马斯克也没攻克的 手部难题

机械手，一直是人形机器人最难啃的硬骨头之一。

如果将人形机器人的泛化能力拆开来看，大致可以分为两个层面：

一是以腿部为主的运动控制，解决机器人如何站稳、行走和移动；

二是以手部为主的操作能力，决定机器人能否真正完成抓取、旋拧、插接和工具使用等任务。

过去几年，腿部运动控制已经取得明显进展。机器人不仅能够稳定行走，一些产品甚至开始参加马拉松和跑步比赛。但相比之下，手部能力的进展仍然有限。机器人可以走到任务面前，却未必能够顺利把任务做完。

这也是为什么，当前人形机器人的泛化瓶颈，越来越集中在操作环节。

马斯克也多次提到机械手的工程难度。

在特斯拉2026年第一季度财报电话会上，他再次谈及Optimus的研发和量产挑战。要在接近人手的尺寸内，实现相近的自由度、灵活性、力量和可靠性，本身就是一项极其复杂的系统工程。

特斯拉也承认，Optimus初期产量爬坡会较慢，原因就在于机器人包含大量全新且复杂的零部件。

问题并不只是做出一只能动的手，而是做出一只能与模型配合、稳定执行任务的手。

模型可以规划“拿起杯子”“拧紧灯泡”或者“插入充电线”，但真正落到物理世界，还需要机械手准确控制每根手指的位置和力度，并在接触物体后，根据滑动、碰撞和形变实时调整动作。

自由度、驱动结构、触觉感知、力控、耐久性和成本，任何一项不足，都可能让模型的动作意图无法落地。

因此，目前机械手行业尚未形成统一的技术路线。

有的公司选择连杆驱动，强调可靠性、负载和量产；有的选择腱绳驱动，追求更高自由度和更接近人手的动作；还有一些公司重点布局触觉阵列和力控，希望让机械手不仅能够执行动作，也能感知接触。

但无论采用哪种方案，行业最终都要回答三个问题：

第一，机械手能否在非预设环境中，长期稳定地完成复杂操作，而不是只在特定条件下完成单次演示。

第二，触觉数据能否真正进入模型训练和控制闭环，提升机器人对新物体、新任务和意外情况的适应能力。

第三，当机械手进入数千只乃至上万只的生产规模后，产品的一致性、故障率、使用寿命和维修成本能否达到商业化要求。

从这个角度看，1X的这双新手并没有彻底解决机械手的行业难题，但它提供了一条值得关注的探索路径：将机械手视为物理感知系统，通过触觉和力反馈接收外部信息。

* 文中配图均来自网络