Xiaomi Unveils New-Generation Bionic Hand: 21 Degrees of Freedom Derived from 1,827 Factory SOPs

这两年，灵巧手的自由度一路往上堆：6个、12个、22个，最高的科研版已经做到42个。仿佛数字越高，就离人手越近。 但尴尬的是，舞台上能跳舞、能比心的机器人，回到现实里，可能连一个没开封的易拉罐都拧不开，捏生鸡蛋更是难如登天。 能动的关节多，不等于会干活。 所以，小米这次的思路，是反着来的。 10月27日，小米公布了新一代仿生手的核心信息：21个自由度、26个电机混合驱动、1500点高密度全掌触觉。 但小米没有把“21”这个数字先抛出来，而是先讲了一件事：这21个自由度，是从自家汽车工厂1827个标准作业程序(SOP)里“算”出来的。 21个自由度，来自1827个工厂SOP 要理解小米为什么这么做，得先看这个行业卡在哪里。 自由度，简单说就是手指能独立活动的方向数，是灵巧手最直观的参数，也最容易被当成宣传数字。但现实是，各家对自由度的标注并不统一：有的标“总自由度”，有的标“主动自由度”，被动的、欠驱动联动的也都算进去。 6个到42个之间，数字看着热闹，实际能做的动作差得很远。 更重要的是，自由度不是白给的。每多一个能主动活动的关节，手掌里就得多塞一套驱动、传动和传感，重量、发热、控制复杂度和故障点都会跟着往上走。 而这只手，又是整机里最贵的部件之一。摩根士丹利测算过，灵巧手在特斯拉Optimus的物料成本里占到约17.3%。 于是问题就变成了：工厂里的活儿，到底需要一只手有多少个关节？做少了，抓不住、捏不准；做多了，是在为用不上的灵活性买单，还牺牲了可靠性。 这道题，靠拍脑袋回答不了。做多做少，都得有证据。 小米的办法，是把顺序倒过来：先不设计手，先去看人在工厂里怎么用手。 具体而言，小米技术团队在小米汽车智能制造部中试中心，挑选了16个典型工段、2579个标准作业程序(SOP)，对其中1827个做了多角度视频和动作捕捉采集，覆盖70.8%以上的人工工序。采集到的动捕数据经过分类、切片、清洗和重定向，再开展基于人手的多维数据分析和仿真。 说白了，就是给一线工人的手做“工时统计”，看每个关节在干活时到底被用掉了几成。 结论有两层，还挺有意思。 第一层是：人手的关节，其实没怎么“划水”。 小米用“实际作业中的活动范围÷人手该自由度的平均完整行程”，来衡量每个自由度的利用率，发现在数据覆盖的作业中，几乎所有被测自由度的利用率都超过50%。 这说明，这些关节在实际作业中并非闲置，但“能不能合并”最终要靠耦合性和仿真消融来回答，单靠利用率不足以定论。 第二层是：人手的关节存在天然耦合，不是个个都独立干活。 比如同一根手指上，远节指骨(DIP)的弯曲角度，通常只有中节指骨(PIP)的三分之一，且两者在运动中高度关联。 换句话说，两个独立的主动自由度，在人手上实际是联动的，可以用一个驱动源替代，这就是典型的欠驱动设计。 顺着这个思路，小米团队进一步对工厂采集数据计算了各关节间的自由度相关性，得出欠驱动的仿生依据：若两个关节的相关性超过某个阈值(如0.8)，即可认为它们具备欠驱动耦合设计的潜力。 利用率和耦合性给出的是可行范围的大致方向，但区间边界的具体截取还依赖仿真实验的设计和工程约束，小米没有公开这些边界是先验设定还是数据拟合的结果。 真正把这个区间敲定的，是仿真消融实验。 小米团队把不同自由度的手放在仿真环境里反复抓握，结果发现：17—21个自由度这一档，平均稳定抓握成功率比6—15个那档高出15%—38%，其中21个自由度在工厂操作覆盖度和抓握成功率上提升最大。 但再往上加到23个及以上，抓握能力的提升就明显放缓了，堆自由度的边际收益下降。 小米新一代灵巧手21个自由度由此而来：不是炫技，而是在小米自己的工厂场景和仿真测试里，算出来的平衡点。 这个思路，其实踩在了行业的一个共识上。 灵巧智能联合创始人兼CEO周晨讲过一句话，具身智能和汽车、工业机器人“先硬件后软件”的逻辑不一样，是“模型定义硬件”。 只不过，小米把“定义”的起点再往前推了一步：先用真实动作数据，把硬件规格定下来。 但数据只能回答“该做几个自由度”，回答不了另一个问题：这几个自由度，到底怎么塞进一只巴掌大的手里。 自由度定了，不等于手就做得出来 21个自由度，要在巴掌大的地方集成，工程上的矛盾立刻就来了。 先是重量和布局。高自由度最直接的做法，是每个关节塞一个电机，但那样手掌会变成一块又重又烫的铁疙瘩。 小米新一代仿生手选择以腱绳驱动为主，再融合5个直驱自由度，放在负载要求低的关节上，在自由度、负载能力、重量和运动范围之间找平衡。 绳驱电机则挪到小臂部分，手掌重量因此做到324克。末端轻了，转动惯量就小，手的反应就更快。 这里要多说一句：绳驱手的手掌轻，是因为电机被“转移”到了小臂，而不是凭空减重。评价整机时，小臂里的电机和重量仍然要算进去。 这也是为什么腱绳路线虽然被认为更仿生、更适合高自由度，但始终没能一统江湖。 更何况，腱绳本身也有弱点：绳子用久了会蠕变、松弛，张力一变，控制就不准。 灵巧智能总裁兼CTO朱豪华说过一句很直白的话：绳驱技术并不新奇，电梯、吊车都在用，但“工程实现巨难”，不仅涉及摩擦损耗、预紧力稳定性、系统集成复杂度，还要面对设计难度、量产工艺与可靠性等多重挑战。 为了补偿腱绳蠕变带来的非线性控制难题，小米自研了腱绳张力传感器，实时补偿这种非线性，维持绳路驱动的长期一致性和可靠性。 但这个对症的方案能把寿命做到多少，目前没有数据。 还有发热问题，也不容忽略。 一只手能有多烫？小米给出的数字是，恶劣工况下单手功耗能超过100 W——因为抓握往往是长时间、非周期性地“憋着一股劲”保持动作，电流持续很大。 100W是什么概念？比很多快充手机的峰值功率还高。 为此，小米做了热预测模型，宣称能预测未来5—10分钟的温度分布与变化趋势，估算超温剩余时间，提前进行任务调度、降低关节扭矩及调节风扇转速等热管理措施。 小米团队同步探索了两条热预测模型技术路线：物理机理建模和机器学习在线修正，目前预测精度优于3℃。 考虑到小米机器人采用全身包布设计，在增加美观和亲和力的同时也对散热提出了更高要求，小米还在研究新型散热织物，从高导热材质填充、表面辐射改性、自然吸湿蒸发等多个方向出发，探索高性能散热织物。 这部分听起来“软”，但对要长期在产线上干活的手，恰恰是能不能连续工作的硬指标。 最后是触觉。 小米新一代仿生手继承了前代触觉手套的设计思路，全掌1500点覆盖，指间、指腹、指根处触觉空间分辨率达1mm，掌心达2mm，而且可更换、易维护。 这些触觉点的作用，可以分两层：近处看，是让手在抓握时感知接触位置和力的分布，知道该用多大劲、东西有没有打滑。 往远看，这些和人手同构的接触数据，还是训练模型的核心语料。 灵巧手热度持续，但还没到“交卷”时 看完技术，再跳出来看这件事的分量。 灵巧手赛道现在并不缺热度。 据IT桔子统计，仅2026年上半年，这个赛道融资就超过250亿元，其中，智元拆分出来的临界点，投后估值已经突破10亿美元，专门做手的灵心巧手，目标估值约60亿美元。 但热钱之下，行业连一条统一的技术路线都还没吵完：腱绳仿生但难、连杆稳定但笨、直驱精准但扭矩弱。 特斯拉第三代Optimus虽然也把电机移到手臂，采用丝杠+腱绳复合传动，但这更多是选了个“上限更高”的方向，而且特斯拉自己也是混合方案，不等于终局。 在这种“失焦”的阶段，小米这只手的示范意义，或许不在于证明了哪条路线对，而在于给出了一种不被参数表牵着走的方法：先搞清楚目标场景里，手到底在干什么，再决定给手多少自由度、用什么驱动、怎么散热和感知。 当然，这只手离“交卷”还有距离，有三个边界需要讲清楚。 其一，21这个数字，是在小米自家汽车工厂这一类场景下算出来的。换到家庭里叠衣服、在3C产线上插排线，动作分布变了，最佳平衡点可能就不是21。 更何况，高自由度五指灵巧手在工业场景到底值不值，行业本身也有分歧。高盛今年5月的调研显示，多数厂商当前更倾向轮式底盘加2-3指夹爪，认为这种方案就能覆盖70%—90%的工业应用。 换言之，70.8%覆盖的，只是自家工段，而非全部制造业。 其二，腱绳方案最被诟病的寿命和成本，小米没有公布。行业里即便是复合钨丝腱绳这类耐磨材料，成本仍在万元级别，量产和维护能不能扛住，是比抓握成功率更长期的考验。 不过，对“现在该不该先卷寿命”，行业也有不同声音。章鱼动力创始人、CEO都大龙就认为，现阶段不必先卷寿命，先把能力上限做上去，只要大脑能驱动手完成有价值的操作，寿命问题会在后续迭代和供应链成熟中被解决。 其三，这是一篇技术探索稿，没有量产时间、没有成本或外供的时间表，手掌还在“实习”阶段，不能当成产品落地来读。 但方向是清楚的。灵巧手的竞争，正在从“谁的关节多”，转向“谁更懂手在干活时到底怎么动”。 42个自由度未必是答案，21个也未必是终点。 真正值得记住的，是这次终于有人没有急着刷新数字，而是先去工厂，把一千多个真实动作一个一个数清楚了。