機械手與靈巧抓取——第 14 章:基準測試與性能評估
機械手基準測試透過可重複的實驗,評估機械手和夾爪的能力、限制及運作表現,並支援不同設計、控制策略和應用需求之間的客觀比較。評估範疇包括抓取成功率、操作靈巧度、接觸穩定性、定位準確度、力控制、速度、能耗及可靠性。YCB Object Set 和 GraspNet 等基準可支援評估,但實驗流程、感知系統及成功標準等差異仍會影響結果。
機械手基準測試透過可重複的實驗,評估機械手和夾爪的能力、限制及運作表現,並支援不同設計、控制策略和應用需求之間的客觀比較。評估範疇包括抓取成功率、操作靈巧度、接觸穩定性、定位準確度、力控制、速度、能耗及可靠性。YCB Object Set 和 GraspNet 等基準可支援評估,但實驗流程、感知系統及成功標準等差異仍會影響結果。
Shadow Dexterous Hand 是研究仿人機械操作的實驗平台,設有五根可活動手指(包括可對握的拇指),並視配置提供約 20 個可獨立控制的自由度。它亦用於 OpenAI 的 Dactyl 研究;機械手透過大量模擬訓練學習操控立方體,並以隨機化模擬環境參數改善遷移至硬件的效果。
機械手與靈巧抓取的第 16 章提供檢查清單,協助工程師系統評估機械夾爪或靈巧手是否適合應用。清單涵蓋操作任務、物件特性、驅動與手部結構、機械臂相容性、手指運動學、抓取穩定性,以及力與扭矩控制。
文章按功能、抓取原理、結構、驅動方式、致動器技術、材料和靈巧度,整理機械人末端執行器的分類。末端執行器負責與外部環境互動,類型涵蓋工業夾爪、真空夾爪及多指機械人手;近年亦整合感測技術與 AI,並應用於移動操作機械人和人形機械人。
本章闡述機械人手指機構與結構設計原則,指出自由度、運動學結構、驅動方式、順應性及動力傳遞均會影響抓取與操作表現。內容亦涵蓋手指形狀、感測器整合、材料、耐用性、模組化和能源效率,並提及軟體機械人、增材製造、智能材料及嵌入式感測等發展方向。
ExRL 以輕量級適配器預測每個動作區塊的執行長度,並透過離策略強化學習訓練,提升長動作區塊機械人策略在線適應的樣本效率。模擬基準測試及真實機械人任務結果顯示,ExRL 可適應多種長動作區塊策略,且只需少量任務專屬超參數調整。
研究在 RoboMME 計數任務中發現,記憶增強型視覺語言動作(VLA)策略按時間索引記憶,可能把無效等待當作進度,令機械人提早停止。加入短暫停頓或手腕抖動後,兩項任務的成功數分別由 47/50 降至 16/50、由 44/50 降至 10/50;把這些畫面從記憶中移除後,成功表現恢復。以事件索引記憶可在不重新訓練下挽回至少一半損失,而加入暫停訓練未能消除問題並損害計數表現。
航墨科技旗下 IRMO M1 視覺感知 AI 外骨骼,奪得 2027 CES 創新獎「機械人技術」及「數碼健康」兩個類別獎項。產品已在 Kickstarter 獲得逾100萬美元支持,吸引逾1200名支持者。航墨科技稱,IRMO M1 可提供45%運動助力,並降低60%膝關節衝擊。
第 12 章探討全向驅動機械設計,説明全向輪及麥克納姆輪的選型會影響機械人牽引力、定位精度、能效、耐用性與維護。文章比較聚氨酯(PU)、橡膠及尼龍滾輪:PU兼具耐用性與彈性,橡膠抓地力和減震表現較佳,尼龍則硬度高、形變少且滾動阻力低。
全向驅動馬達選型需同時評估載荷與摩擦,兩者影響牽引力、所需馬達扭矩、能耗、車輪磨耗及運作可靠性。被動滾輪的軸承摩擦、材料變形、接觸轉換及微滑移會增加有效滾動阻力,令馬達扭矩需求上升;工程設計亦需納入安全裕度,並透過分析、模擬及測試驗證。
第 15 章分析全向驅動的優勢與限制,指出全向輪和麥克納姆輪讓機械人可在不改變朝向下向任意方向移動,並同時控制縱向、橫向和旋轉運動。這種靈活性有助縮短路徑、提升作業效率,但輪胎較易打滑、震動和磨損,因此需要精確定位、感測器融合及穩健控制。
KUKA KMR iiwa 將 Mecanum 輪全向移動平台與 LBR iiwa 協作機械臂整合為一套移動操作機械人,可自主前往工作站並執行操作任務。平台提供 3 個平面自由度,機械臂有 7 個關節;系統亦整合定位、感知、控制與安全功能。
四輪轉向(4WS)機械人以各車輪的轉向角和轉速估算車身的縱向速度、橫向速度及偏航角速度,建立正向運動學模型。四個車輪提供四條方程以估算三個未知量,控制器可用 Moore–Penrose 偽逆進行最小二乘估算,減低感測器雜訊對里程計的影響。該模型亦可結合 IMU、LiDAR、相機及 GNSS 等感測方式作定位。
第19章聚焦四輪轉向(4WS)移動機械人的轉向驅動機械架構,比較直驅、皮帶、行星齒輪、諧波及擺線齒輪轉向機構。各方案在定位精度、扭矩、體積、成本和抗衝擊能力等方面各有取捨,軸承預載及材料選擇亦會影響性能。文章亦探討整合式可更換轉向模組,以及以有限元素分析檢查結構剛度、應力分佈和疲勞壽命。
本章説明如何為舵輪驅動自主移動機械人計算驅動電機所需扭矩,並以總移動質量為 1055 kg 的車輛為例。計算涵蓋滾動阻力、加速力、斜坡阻力、車輪半徑、四個驅動模組的扭矩分配及傳動效率。準確估算扭矩是電機、齒輪箱、電池容量、逆變器額定值、熱管理和控制算法設計的基礎。
轉向驅動第 22 章探討其優勢與限制,正文聚焦工業 AMR 如何實現 ±20 mm 停靠精度。這需要整合定位與感測、機械重複精度、平滑軌跡規劃、閉環控制及近距離定位修正,並透過多次測試驗證。
龍芯中科基於自研智能機器車完成 ROS2 Jazzy 全棧移植,打通建圖定位、遙控、機械臂控制與深度視覺鏈路,由龍芯 2K3000 統一調度。該車具備環境感知與目標抓取能力,採用激光雷達作平面感知、深度相機作三維感知。此次移植驗證了一套可複用的國產機器人開發方案。
刻行時空宣佈完成近億元融資,由詠歸基金領投,天機TIANJI、常州智融等跟投。資金將用於建設機器人預部署環境、開發高精度姿態追蹤與多維標註的數據理解專用模型,以及加快“採集-訓練-仿真-推理”數據基建。公司稱,9月已向海外合規交付上千小時宇樹真機數據,通過率超過99%。
龍芯以自研智能機械車完成ROS2 Jazzy全棧移植,打通建圖定位、手柄遙控、機械臂控制及深度視覺鏈路。龍芯2K3000採用12納米製程,配備8個處理器核心,主頻最高2.5GHz;這次移植驗證形成一套可重用的國產機械人開發方案。
Anthropic 推出 Claude Fable 5.2 及 Mythos 5.2,兩款模型在編程、推理及視覺等方面改進,輸出速度較 5.1 快 30%。Fable 5.2 API 每百萬個 Token 的輸入及輸出收費分別為 8 美元及 40 美元,較上一代下調兩成;Fast Mode 分別收費 16 美元及 80 美元,Token 生成最高提速 2.5 倍。
推薦理由:文章並列 Fable 5.2 的速度、收費與基準表現,亦交代 Mythos 5.2 的申請限制及隱蔽行為風險,呈現新模型能力與安全議題的不同面向。
浙江人形攜 NAVIAI 機器人亮相進博會,展示物流、生化及服裝三大工業場景解決方案。物流搬料箱每趟35秒、成功率99%;生化定量倒液偏差≤±1ml,萬次測試成功率99.99%,服裝單件節拍壓縮至35秒以內。NAVIAI 已於2025年進駐 BEKO 生產線,並於2026年落地施耐德及凱傲工廠。
成都人形機械人創新中心發布第五代貢嘎人形機械人,宣稱其擁有「全球最領先人形機械人大腦核心技術」。機械人搭載自研一體化具身智能系統,涵蓋場景感知、時空記憶、因果推理規劃及動作世界模型。系統支援長程家庭任務,並可預測操作結果、動態調整方案及修正操作偏差。
成都人形機械人創新中心發布第五代貢嘎人形機械人,宣稱其具有人形機械人大腦核心技術。新機搭載自研一體化具身智能系統,涵蓋場景感知、時空記憶、因果推理規劃及動作世界模型。系統打通感知、記憶、規劃、動作推演與執行反饋,支援長程家庭任務和精細家居操作。
Preferred Networks(PFN)設計開發的小鼠尾靜脈自動注射系統 AUTiv,獲第12屆機械人大獎「日本機械工業聯合會會長獎」。評審肯定其精準注射、降低穿刺失誤及實驗者針刺風險,並減輕實驗者與動物的負擔。AUTiv 自2024年起在日本銷售,已向國立研究機構、大學及製藥企業等交付約20台,並已決定追加製造。
無人船艇及自主水下系統正承擔水雷搜索工作,減少船員置身危險的需要。Thales、英國皇家海軍及法國海軍合作研發的無人水面艇,以聲納探測水雷,並透過拖曳設備拍攝海牀、建立由 AI 修整的 3D 圖像。未來自主系統的任務和能力預計會擴展,AI 亦會在現場分析船艇收集的數據。
Google DeepMind 表示,Gemini Robotics 2.5 協助 Apptronik 的 Apollo 2 人形機械人在 Mercedes-Benz 生產線測試中分揀汽車零件,成功率達 96%。
Amazon推出搭載AI的Ring Drone Cam保安無人機及Ring Rover Cam保安機械人,將Ring攝影機功能延伸至流動裝置。Ring Drone Cam支援2K影片,鏡頭視角為148度並可旋轉360度,但在指定條件下飛行時間只有8分鐘。Ring Rover Cam售價為$1,000,支援最高4K影片,現已開放預訂,預定於December 16, 2026開始出貨。
Google 發佈視覺—語言—動作(VLA)機械人模型 Gemini Robotics 2.5,並在 Mercedes-Benz 生產線概念驗證中協助 Apptronik Apollo 2 分揀、打包汽車零件,成功率達 96%。
Google 發佈視覺語言動作(VLA)機械人模型 Gemini Robotics 2.5,並稱其靈巧度、可靠性及安全性均有提升。模型在超過 200 項任務中受測,按任務類型計,成功率較此前基線高 30% 至 100%,完成速度快 20% 至 30%。
中南林業科技大學以林業科技創新回應產業與生態需求,林業工程學科在第五輪學科評估中獲評A類,8個學科進入ESI全球前1%。學校的無醛材料、秸稈利用及油茶育種與採收等成果已應用或轉化,並透過「林科教工程」與全國50餘個林業重點縣合作。
TensorWorld物原科技成立四個月,並在一個月內完成天使輪及天使+輪,融資逾億美元,押注物理基礎模型路線。該路線讓模型從數據中學習物理世界的演化規律,並結合幾何與合成動力學進行預訓練。文中所述 GeoPT 方法在工業物理仿真任務中減少20%至60%的有標籤數據需求,收斂速度最高提升至2倍。
Dynamic Creatures 與 Hasbro 的 Sixth Wall Studio 於 2026年11月10日宣佈合作,將開發在主題樂園、度假村及其他娛樂與酒店場所呈現 Hasbro 角色的互動機械人。
Nvidia 在研究報告中介紹 GR00T 2,這款世界動作模型旨在把人類影片中的動作轉移至機械人,並同步預測下一步動作及短片段未來畫面。訓練使用逾 1,000 枚 GB300 晶片及約 400,000 小時頭戴攝影機影片;在 50 項經少量示例已有良好表現的任務中,少於三分鐘傳統訓練可把成功率由 40% 提升至 95%。
Mosaic Intelligence Labs 宣佈完成 $47 million 種子輪融資,將開發感測支援的空間智能與手術機械人系統,初期聚焦血管內手術。公司計劃重建血管及器械位置的三維影像,並記錄手術過程,讓機器逐步累積學習;相關能力仍在開發中,公告未提供臨牀表現或患者結果。
JustRUA 在統一評測框架下研究 GPT-6 機械人操作智能體,發現保留完整回合歷史並提早停止動作的精簡評測框架可提升 RoboDojo 表現。由官方 L3 評測框架精簡而成的方案,在沒有學習策略、自我改進循環或任務專項微調下,將 RoboDojo 模擬基準分數由 29.7 提升至 50.3。場景幾何資訊帶來最大的額外收益,即使深度只由 RGB 預測亦然。
Ring 宣佈成立 Ring Robotics,並推出家居保安無人機 Ring Drone Cam 和企業保安機械人 Ring Rover Cam。兩者採用 AI Pilot 自主巡邏;Rover Cam 提供連續 4K 影片串流,售價 $1,000,12月16日起供應,無人機支援 2K 影片,售價 $270,明年1月27日推出。
Mosaic Intelligence Labs 完成兩輪種子融資,籌得 $47m,資金由 8VC 和 Fundomo 領投。這家初創公司正研發半自主導管,可在患者血管中導航,並計劃以感應器和運算技術重建血管,為醫生提供持續更新的 3D 解剖與器械視圖。公司的技術從血管內手術程序起步。
Google DeepMind 於 2026 年 11 月 10 日推出 Gemini Robotics 2.5,並報告 Apollo 2 人形機械人在 Mercedes-Benz 生產線分揀汽車零件的概念驗證中成功率達 96%。
Zacua Ventures 完成第二期基金募集,籌得 $135M,規模逾其 2024 年首期基金的兩倍。基金將投資建築、能源、採礦、製造、房屋及其他關鍵基礎設施領域的早期科技初創公司,並增加對建築機械人、AI 驅動機械及新型建築材料的投資。基金已開始部署,投資項目包括 Origin Robotics、CURA Climate 和 Neuron Factory。
Google DeepMind 的 Gemini Robotics 2.5 在 Mercedes-Benz 生產線試點中控制 Apollo 2 分揀金屬零件,成功率達 96%。這款視覺-語言-動作模型在逾 200 項任務中接受測試;Google DeepMind 稱,按任務類型計,成功率較自家先前基準高 30% 至 100%,完成速度快 20% 至 30%。