NE时代

小米机器人的全掌触觉仿生手探索。

近期，小米团队针对Xiaomi CyberOne的仿生手展开系列设计升级，核心目标是打造可稳定应用于工厂作业的高性能仿生手，力争将作业成功率提升至接近100%。

已关注 关注 重播 分享 赞 关闭 观看更多 更多 退出全屏 切换到竖屏全屏 退出全屏 NE时代智能体 已关注 分享视频 ，时长00:46

0/0

00:00 / 00:46 切换到横屏模式 继续播放 进度条，百分之0 播放 00:00 / 00:46 00:46 倍速 全屏 倍速播放中 0.5倍 0.75倍 1.0倍 1.5倍 2.0倍 超清 流畅

继续观看

小米机器人「全掌触觉仿生手」升级！

观看更多 转载 , 小米机器人「全掌触觉仿生手」升级！ NE时代智能体 已关注 分享 点赞 在看 已同步到看一看 写下你的评论 视频详情

此次升级围绕体积、自由度、触觉感知、可靠性及散热等关键维度展开，实现了多项核心突破，为机器人的工业落地奠定了坚实基础。

在仿生手的核心优化中，体积压缩成为重要突破点。在工厂作业达到90%以上成功率的仿生手的基础上，团队将其体积缩减60%，使其尺寸与工人手部完全一致，具体从228mm×105mm×64mm压缩至187mm×88mm×36mm。

3小时持续作业版本，人手（1米73男性），优化版本（不戴/戴触觉手套）

与此同时，仿生手的自由度显著提升，增加了50%自由度和83%主动自由度。全掌触觉传感器覆盖面积也扩展至8200平方毫米，抓握操作循环寿命突破15万次，新增的仿生汗腺设计更有效强化了主动散热能力。

全掌触觉感知的升级的背后，是对作业痛点的精准解决。

研发过程中，团队面临两大难题：一是视觉遮挡场景下需依赖更全面的触觉感知实现精准掌内操作，却难以找到适配的全掌触觉方案；二是触觉数据采集长期依赖低效的遥操作方式。

针对这一问题，触觉手套成为最优解决方案，不仅能实现指尖、指腹、掌心的全掌触觉覆盖，还可通过人手穿戴直接高效采集操作数据，快速构建大批量操作数据集，同时有效缓解磨损失效问题，降低维护成本。

为更好复用人手采集的数据，仿生手采用与人手1:1的比例设计，在可达空间、驱动能力、惯量分布及操控响应等方面全面对标人手，最大限度减少仿真与真机之间的差异，降低同构问题带来的影响。

这一仿生构型优化，与体积、自由度的升级形成协同，进一步提升了仿生手的作业适配性。

可靠性与散热问题，是仿生手向人手水平（22-27自由度）迈进过程中的核心阻碍。

在有限的尺寸内集成更多电机，不仅容易导致硬件可靠性不足，还会引发局部过热。此前，仿生手在重复作业不到1万次时，就常出现腱绳、弹簧、套管等部件失效的情况。

为此，团队通过设计-仿真-测试的持续迭代，针对性提升各零部件的耐久性，经过一年的优化，最终实现15万次以上的抓握循环寿命，同时稳定获取触觉数据。

可靠性仿真优化

抓握15万次循环测试（戴触觉手套）

在散热解决方案上，团队除采用常规被动散热方式外，创新引入仿生汗腺设计——借鉴人类汗腺的高效散热原理，利用室温下1mL水蒸发可带走2000焦以上热量的特性，在紧凑的小臂结构中，通过金属3D打印制作液冷循环通道，借助微泵将电机产生的热量转移至蒸发区，实现快速降温。

实物装机测试及蒸发过程动画演示

实际测试显示，该仿生汗腺系统每分钟可蒸发0.5mL水，能提供约10瓦的主动散热能力，有效解决了重载工况下的过热问题，保障了连续高负载作业的时长。

在应用层面，团队致力于让仿生手呈现类人的作业动作，具备与人手相近的柔顺性、包覆性、可达空间、执行速度及负载能力。

通过采集人手抓握数据，在仿真环境中融合触觉信息，运用模仿及强化学习策略对大量数字零件进行训练，最终生成接近拟人的抓握姿态。

抓握过程的全掌触觉仿真

目前，团队正基于现有研发基础，在实验室中探索更多基于精细触觉的操作能力。

小米人形机器人的工业落地进程也正持续推进。今年3月初，雷军公布小米机器人业务最新进展，宣布小米人形机器人已正式进入汽车工厂“实习”，核心场景为汽车工厂自攻螺母上件工站。

据小米技术官微披露，该机器人在实习中的表现可圈可点，能够连续自主运行3小时，双侧同时安装成功率达90.2%，且满足最快76秒的产线生产节拍要求，成功适配真实工厂的严苛标准。

此次工厂实习的作业难度不容小觑：机器人需精准抓取自攻螺母，配合滑台输送与自动定位锁定，完成汽车一体化压铸后地板零件的自攻拧紧作业。

而自攻螺母的花键结构、抓取姿态的不固定性，以及定位销轴的磁吸力干扰，均大幅提升了装配难度。这一成果的取得，离不开三大核心技术的支撑——基于开源通用VLA基座模型Xiaomi-Robotics-0，结合端到端训练、多模态感知与全身运动控制技术，为机器人赋予了稳定高效的作业能力。

具体而言，端到端数据驱动控制与强化学习相结合，让机器人能够快速适配工况，并从实践中持续学习；多模态感知技术融合视觉、触觉等各类信息，有效降低了复杂环境下的误判概率；混合架构的全身运动控制，既保障了作业精度，又提升了极端场景下的稳定性。

尽管表现亮眼，雷军也坦言，机器人从实验室走向工厂存在巨大鸿沟——实验室可容忍多次失败，而真实工厂要求万无一失，目前机器人的表现仍显“笨拙”，但这无疑是极具意义的开端。

目前，小米机器人的工厂应用仍存在部分瓶颈，作业中仍有失效案例，例如对齐精度不足导致的卡滞、环境干扰引发的安装不到位等，这些都是产业化部署过程中需要重点突破的问题。

值得关注的是，自攻螺母上件工站只是小米机器人落地的第一步，其在料箱搬运等场景的自主工作已在推进中，更多经典工站的部署验证也在稳步开展。雷军预计，未来5年，将有大批量人形机器人进入小米工厂投入作业，开启智能制造的新阶段。