最近，一个听起来有点技术范儿的消息悄悄刷屏了：

银河通用和清华大学联合推出了一款叫 DexNDM 的灵巧手模型，能让机器人在手掌里稳稳地旋转各种东西。

不管是螺丝刀、锤子，还是书本、长棍，甚至小到指甲盖的零件，都能转得又稳又准。

更关键的是，不管手掌是朝上、朝下，还是歪着侧着，它都能搞定。

乍一听，这好像只是实验室里又一个“炫技”成果。

但如果你稍微多想一层，就会意识到：这件事其实挺重要的。

因为它解决了一个长期卡住机器人“动手能力”的硬骨头问题：手内旋转。

咱们今天就来聊聊，为什么“手内旋转”这么难？

DexNDM 到底做对了什么？

以及这件事对我们普通人意味着什么。

先说个常识：人类的手之所以灵巧，不只是因为能抓能握，更重要的是能在手里“玩”东西。

比如你拧瓶盖的时候，手指不是死死捏住不动，而是边转边微调；

用螺丝刀时，手腕可能朝下，但手指还能持续施力旋转；

甚至翻书、转笔、搓橡皮泥……这些动作背后，都是复杂的手-物动态交互。

机器人要模仿这些动作，难点不在“动”，而在“稳”。

过去很多灵巧手确实能动，五个手指张开合拢没问题，但一旦要求它在手掌里连续旋转一个物体，尤其是当手腕姿势别扭，比如掌心朝下或者物体形状奇怪，比如一根长筷子，系统就容易失控，要么滑掉，要么卡住，要么干脆不知道怎么继续转。

这个问题，在学术圈有个专业说法叫“Sim2Real 鸿沟”：

意思是在电脑仿真里训练得再好，一放到真实世界就水土不服。

因为现实中的摩擦力、材料弹性、接触点变化太复杂，仿真模型很难完全模拟。

所以过去很多研究只能限定在特定条件下做实验：

比如只转圆柱体、只在掌心朝上的时候操作。

这种“特例成功”离实际应用还差得远。

而 DexNDM 的突破，恰恰在于它不再依赖“成功示范数据”。

什么意思？

以往训练机器人，通常需要大量人手操作的成功视频或动作记录，让机器“照着学”。

但现实中，高质量的成功数据很难收集，尤其是一些高难度操作，人自己都未必每次都成功。

DexNDM 换了个思路：

它不要求你教它“怎么成功”，而是通过一种叫“关节级神经动力学模型”的方法，直接从少量、甚至有点“乱”的真实数据中，学习每个手指关节在不同受力下的动态响应。

你可以把它想象成一个特别会“感受”的学生。

它不靠背答案，而是靠体会，比如手指碰到木头和碰到金属时，反馈的力道不一样，它就记下来；

手掌朝下时重力怎么影响旋转，它也慢慢摸出门道。

久而久之，哪怕面对没见过的物体或姿势，它也能凭经验“猜”出该怎么动。

这种能力有多实用？举几个例子：

在工厂里，装配家具不再是简单地把螺丝插进去就行，很多时候需要一边扶着板子，一边用螺丝刀持续旋转拧紧。

传统机械臂做不到这种协调，往往得靠多个设备配合，成本高、效率低。

而有了 DexNDM 这样的灵巧手，一个机械臂就能完成整套动作，而且可以适应不同尺寸的螺丝和板材。

在家庭服务场景，想象一下未来的家用机器人帮你整理厨房：

它不仅能拿起锅铲，还能在手里调整角度，把铲子准确插进调料罐；

或者帮你拧开药瓶盖子，即使瓶子很小、盖子很紧。

这些看似简单的动作，对现在的机器人来说仍是挑战。

甚至在外太空或深海这类人类难以长时间作业的环境，灵巧手如果能稳定操作工具，就能大大延长任务时间、减少人为干预。

比如国际空间站维修太阳能板，宇航员每次出舱风险极高，如果机器人能远程完成精细操作，安全性和效率都会提升。

当然，有人可能会问：这不就是个“高级遥控手”吗？有什么新鲜的？

这里的关键在于“半自主”。

DexNDM 并不是完全靠人实时操控每一个关节，而是把复杂任务拆解成“原子技能”，比如“沿X轴旋转物体”就是一个原子技能。

操作者只需要告诉机器人“我想转这个方向”，底层系统就会自动规划手指怎么动、用多大力、如何防滑。

这种模式既保留了人的决策权，又释放了机器的执行精度，比纯手动遥操高效得多，也比全自主更可靠。

值得一提的是，这套系统背后的数据采集方式也很聪明。

研究人员搞了个叫“混乱之盒”的装置：

把灵巧手放进一个装满软球的箱子里，然后让它重复一些基础动作。

球体随机碰撞手指，自然产生各种负载和接触状态。

整个过程全自动，不需要人工干预，却能收集到覆盖广泛的交互数据。

这种“低成本、高多样性”的数据策略，让模型训练变得更可行，也为后续推广打下了基础。

说到这里，可能有人会联想到另一个热点：

人形机器人。

确实，灵巧手是人形机器人的“最后一公里”。

这两年，不少公司都在推人形机器人原型，走路、挥手、说话都不错，但一到需要动手干活，就露怯了。

原因很简单：没有真正灵巧的手，再像人的机器人也只是个“花架子”。

DexNDM 的出现，某种程度上补上了这块短板。

它不一定马上让机器人走进千家万户，但它证明了一件事：

通用型的灵巧操作，在技术上是可以实现的。

而且路径清晰：

不需要海量标注数据，不需要完美仿真环境，只要方法对，小步快跑也能突破瓶颈。

再往大一点看，这件事也反映了中国在具身智能领域的进展。

过去提到高端灵巧手，大家首先想到的是英国的 Shadow Hand 或美国的一些实验室产品。

但现在，国内团队不仅做出了自己的高自由度灵巧手，比如灵巧智能的 DexHand021，还在控制算法、感知融合、Sim2Real 等核心环节拿出了原创方案。

这种从硬件到软件的全栈能力，才是未来竞争的关键。

当然，也要清醒地看到局限。

DexNDM 目前主要验证的是旋转类操作，而真实世界的需求远不止于此，比如揉面团、剥鸡蛋、穿针引线，这些涉及柔性物体或超精细力控的任务，仍是巨大挑战。

此外，系统的响应速度、能耗、长期稳定性，也需要在实际部署中进一步检验。

但无论如何，能把手内旋转这个“卡脖子”问题啃下来，已经是一个扎实的进步。

它不像某些技术那样靠概念炒作吸引眼球，而是实打实地解决了工程落地中的一个具体难题。

这种“闷声干实事”的风格，反而更值得期待。

最后回到我们普通人。

也许你不会直接用到 DexNDM，但它所推动的技术浪潮，迟早会影响到你的生活。

比如未来工厂里的自动化程度更高，产品成本下降；

养老机器人能帮你拧开瓶盖、递药片；

甚至你在电商平台上买的组装家具，配送时附带的安装视频，背后可能就是由这样的灵巧手系统预先验证过的操作流程。

技术的发展从来不是一蹴而就的。

它往往始于一个看似微小的突破，然后在无数应用场景中慢慢发酵。

DexNDM 就是这样一个节点：

它让机器人的手，真正开始“活”了起来。

而手一旦活了，能做的事，就多了去了。

所以，别小看“转个东西”这件小事。

在机器人世界里，能把这件小事做好，就已经赢了一大截。