为什么机器人学不会转笔？
DeepTech深科技 ｜ 2026-09-26

如今，各式各样的灵巧手演示层出不穷，但普遍集中在叠衣服、抓握杯子等相对简单的任务。而网络流传的操作视频中，很多片段都经过加速处理，一旦去掉倍速，机器手的动作看起来就显得笨拙且僵硬。

点 击 图 片 看 原 图

作为具身智能模仿的对象，人手的精巧程度却远高于此。以转笔为例，一个熟练的旋转动作可在半秒之内完成：拇指、食指、中指协同发力，把笔弹起、翻转，再接住。这类动作中充满急起急停的瞬态，频谱分析显示，其角速度信号在100Hz以上的频段依然携带着可观的能量。类似的高频调整还出现在接球、拧瓶盖、系鞋带、握筷子等日常动作中。

机器人为何一直难以复现这些精细的高速动作？北京大学心理与认知科学学院、人工智能研究院助理教授朱毅鑫研究了近十年的数据手套和灵巧手，他向DeepTech直言，业界实际上一直没有回答清楚一个基础问题：究竟什么是灵巧？

与人手形似、能伸直弯曲、有五根手指就是灵巧吗？朱毅鑫并不这么认为，在他看来，对外界刺激的响应速度同样是灵巧的核心维度。目前行业做不到这一点，根本短板源于当前低频的数据采集技术：想教会机器人“灵巧”，必须先看清人手。

机器人学习依赖高保真人手示范数据，但现有可穿戴采集设备的采样率极少超过每秒200次（200Hz），多数集中在几十赫兹到200Hz。即便按200Hz的上限计算，根据奈奎斯特–香农采样定理，理论上也只能还原100Hz以下的运动细节，无法捕捉更高频的动作信息。