手指当腿用：20自由度WUJI机械手自己爬行、摔倒后自恢复

在我们的印象里，机器手是装在机械臂末端负责抓东西的零件。ETH Zurich软体机器人实验室换了个思路：把中国厂商WUJI的一只市售五指灵巧手当成完整的机器人本体，不装轮子，也不加底盘。他们用强化学习在仿真里反复试错，训练出一个策略网络：输入关节角度、姿态和运动指令，输出20个关节的目标位置。通俗说，就是让这只手自己摸索先用哪根手指迈步、身体歪了怎么调。这套板载电池加板载计算、总重818克、无系绳的系统能爬行、转向、摔倒后爬起，也能在支撑自身重量的同时按键。论文已提交 arXiv，属实验室演示，不是厂商开卖的产品功能。

目前能确认到哪一步
状态：WUJI Hand 属于已商用出货（shipping）的现成灵巧手，五指、20个主动自由度；而本次报道中的爬行、转向、摔倒后自恢复、边撑住身体边按键，是 ETH Zurich 软体机器人实验室的研究演示，论文《Fingers as Legs》于2026年9月15日提交 arXiv，并非厂商承诺的产品功能。WUJI Hand 2 与 WUJI Glove 属同公司其他型号，面向实时遥操作与运动、触觉数据采集。资料边界：信息来自 roboticsandautomationnews 与 Tech Times 的报道，未见厂商官方规格页或功能承诺；文中速度、成功率等数字均为实验室演示条件下的结果，不等同于量产指标。

手当腿：机器手是怎么学会“走路”的
分工明确一直是机器人的常识：机械臂负责抓，腿式机器人负责走，两样都要就装上两套系统。ETH Zurich 团队把这条线擦掉了。他们用的 WUJI Hand 是一只五指、20个主动自由度、直驱无刷电机的商用产品，本来只用于抓取和操作，五根手指的形状和承重能力还不一样。这带来一个麻烦：任何一根手指抬起来迈步，剩下四根得继续撑住全身重量，每个自由度都在同时干两三份活。

研究团队用强化学习解决这个问题：先在仿真里试错，再把策略迁到真机，仿真用真手实测数据进行校准。训练同时跑4096个并行环境；策略每步输入8帧、共392个数值，经三层网络算出20个关节的目标位置。他们还给每根手指设了“虚拟弹簧”参考点，前向偏离的代价只有侧向和竖向的25%，等于给方向一个软引导，迈哪根手指仍由策略自己试出来。仿真中最快爬行约1.67厘米/秒，真机实测明显更慢。



14种地面、25次摔倒爬起21次，它到底能干什么
论文里展示的真机能力有几项：无系绳爬行，覆盖14种地面——橡胶垫、地毯、瓷砖、硬木、金属格栅、沥青、干混凝土、切石、人造草坪、风化石、草地、碎石、硬地场，以及苏黎世利马特河边的一块硬质户外地面；用机载传感器响应方向指令完成转向，不靠摄像头，也不靠外部追踪；还有一套独立的恢复策略，被推倒后把自己翻回可工作姿态，两个摔倒方向共25次测试成功21次（84%）。真机的爬行速度比仿真里那个1.67厘米/秒慢不少。

操作部分要分开看。一个是无视觉的连续按键：系统靠本体感知按顺序敲击12个键盘键，32次里有29次正确，中位延迟约0.25秒——整个过程它还得用其余手指撑住自己的重量。另一个是推物体：它借助顶部相机的视觉反馈，把物体推到指定位置，这一项是用了视觉的，不是“闭着眼推箱子”。两个演示都在实验室里完成，用来验证同一套手指能否同时承担移动和操作，而非一只已能干家务的机器手。

这只手是谁在卖，离普通人还有多远
WUJI 是一家做灵巧手和遥操作技术的厂商。被 ETH Zurich 团队选中的 WUJI Hand 是量产出货的现成产品，不是为实验定制的原型。公司随后推出 WUJI Hand 2 和 WUJI Glove：前者继续做手，后者戴在人手上，实时采集手部动作和触感，用来操控机械手并生成训练数据。两套系统在匹兹堡举行的 IROS 2026（9月27日至10月1日）上做了现场演示。

为什么一家中国厂商的手会被瑞士实验室拿去“当腿用”？因为灵巧手正在从机械臂末端的零件变成机器人学习的通用平台：20个可控关节、板载电源和计算、能买到现货。WUJI 也是英伟达 Isaac Teleop 遥操作框架的原生支持硬件厂商之一——这类设备眼下不只是远程遥控，更是采集人手演示、喂养具身智能模型的造数据工具。但要分清：爬行、摔倒自恢复是实验室训练出来的演示，厂商并未承诺做成商品功能。

资料线索
• roboticsandautomationnews.com
• techtimes.com

本文是基于公开页面整理的 AI 硬件情报，不是本站实测或购买建议。图片发布副本增加 waoo.ai 水印，原摄影者和来源标识保留。