特斯拉绕不开的灵巧手难题:曦诺Flex2的工程化解法
绳驱灵巧手曾长期被视为“实验室贵族”,以高灵巧度和仿生特性著称,但在进入抓取杯子、提重物等真实场景时,常面临稳定性不足、维护困难及泛化能力弱的挑战。随着特斯拉、智元、曦诺未来等厂商转向工程化落地,行业焦点已从单纯展示参数转向提升真实场景的作业能力。刚发布的曦诺未来Flex2混驱灵巧手,试图通过在感知、灵巧度、负载与控制层面的系统性升级,解决从“科研样机”向“生产力工具”跨越的关键难题。
01感知能力:近场视触觉融合
针对机器人作业中常见的视线遮挡、反光及异形物体抓取难题,Flex2在手腕处新增了两颗带深度信息的摄像头。这为手部提供了“近场视觉”,能够清晰识别手边环境、物体形状及接触距离,解决了头部相机在最后几厘米操作距离上的盲区问题。
配合分布在手掌、指尖、指腹的触觉传感器,以及每个主动指关节的位置传感器和微型力矩传感器,Flex2构建了一套覆盖0至2米操作距离的多模态感知闭环。掌心增加的接近觉传感器与手腕摄像头协同,视觉负责远距离感知,接近觉负责预判,触觉与力觉负责接触后的微调。结合端侧小脑反射机制,手部无需等待大脑指令即可实现本能反应,能够自主判断接触状态、压力变化及滑移风险,从而在复杂环境中实现更稳定的抓取。
02灵巧能力:仿生设计与效率优化
Flex2在仿生设计上进一步拟人化,手型尺寸与关节更接近人手,并采用了柔性可换皮肤与仿生指甲盖。指甲盖的设计旨在辅助抓取卡片等薄片物体,而无接缝的关节设计则有效避免了夹手风险,提升了人机协作的安全性。
在自由度配置上,该产品拥有23个自由度,其中19个为主动自由度,整手重量控制在400克。这种设计是在灵巧度、重量、控制复杂度和整机集成之间寻求的工程平衡。配合手腕大范围的俯仰与偏摆角度,其设计重心已从单纯的手指运动转向整手协同作业,旨在将灵巧动作转化为使用工具、按压开关、抓取异形物体的实际操作能力。
03负载与控制:从“拉得动”到“控得住”
| 参数指标 | Flex1 (上一代) | Flex2 (新一代) |
|---|---|---|
| 重复精度 | ≤ 0.2mm | ≤ 0.1mm |
| 力控精度 | 0.25N | 0.05N |
| 单手抓取负载 | 30kg (极限值) | 12kg |
| 持续作业负载 | 7.5kg | 4kg |
曦诺Flex系列灵巧手关键参数对比
从数据上看,Flex2的单手抓取负载与持续作业负载虽较上一代极限值有所降低,但其核心升级在于精度的大幅提升。力控精度从0.25N提升至0.05N级别,使其能够感知并分辨如蝴蝶落在指尖般的细微力变化。这标志着技术路线从追求“大力士”式的极限负载,转向适应实际工况的“精准工匠”,确保既能拿得起重物,又能捏不坏软物、握得住滑物。
针对绳驱系统常见的摩擦、松弛、蠕变及标定漂移问题,Flex2并未单纯依赖材料升级,而是通过腱绳材料、走线与张紧结构优化、传感器系统集成、臂手协同控制以及端侧小脑反射构建了完整的控制闭环。这套系统将“看见-接近-接触-受力”组织成实时反馈链路,实现了从感知输入到执行控制的快速迭代,确保手部在长时间作业中保持稳定不漂移。
04行业趋势与展望
曦诺Flex2的升级路径反映了灵巧手行业的整体趋势:即不再堆砌传感器参数,而是强调多模态感知融合与系统级控制闭环,将其转化为可在真实任务中稳定工作的“执行末端能力”。这一分析框架同样适用于观察特斯拉Optimus、智元OmniHand Ultra-T等产品。尽管官方数据需经长时间多任务复杂工况的实测验证,但技术演进方向表明,绳驱灵巧手正逐步走出实验室,迈向工厂与家庭等实际应用场景。
当前文章无评论,是时候发表评论了