🔎低自由度夹爪，为什么是大规模机器人学习的最优解 这几天，一直在研究 @axisrobotics 的轨迹任务的技巧，尤其是那些双臂操作。做着做着，心里忽然冒出个问题： 为什么 Axis 的机器人末端，始终是个普通夹爪，而不是灵巧手？ 看着那些需要双手配合的场景，一只手稳住物体，另一只手去推、去调整，我总忍不住想，要是换成多指灵巧手，不少动作一只手其实就能完成。手指灵活了，物体在掌心里转个向、换个姿态，很多双臂任务的复杂度立刻就能降下来。 带着这个疑问，我查了些资料，也结合这些天的操作感受，慢慢想明白了。 Axis 现在主要用的是类似 Franka 的并行夹爪。开合就一个自由度，键盘空格键直接控制。双臂任务里，按 C 键切换左右臂，动作本身不算复杂。 这种设计看着“简陋”，但放到整个平台的目标里，其实很合理。 最直接的原因，是数据收集的效率和可控性。 Axis 的核心，是在浏览器里大规模采集人类演示轨迹。贡献者用鼠标键盘就能上手，不依赖额外硬件。夹爪的动作空间极小，位置、姿态，再加一个开合度。操作者可以把注意力集中在抓取时机和微调上。 如果换成灵巧手，十几甚至二十多个自由度，靠键盘根本控不住。就算引入 VR 手套或动作捕捉，门槛立刻抬高，全球贡献者的规模会大幅缩水。平台追求的是“人人都能贡献”，而不是少数专家在实验室里精雕细琢。 再往深一层看，是学习效率的问题。 模仿学习对动作空间的维度非常敏感。夹爪策略只需要学会“什么时候开、什么时候关”，几十到上百条高质量演示通常就够用了。 灵巧手却要协调多根手指的协同、接触力和重定向，数据量往往要高出好几倍，甚至一个数量级。 Axis 现阶段的重点，是快速积累覆盖面广的基础操作，拣选、放置、排序、开关抽屉这类。用夹爪，能把有限的演示预算花在更广的任务分布上，而不是过早陷入高维动作的泥潭。 双臂配合，反倒成了一种很自然的补偿。 很多看起来“必须双手”的任务，本质是因为夹爪缺乏手内操作能力。一只手固定，另一只手执行，等于是用空间换灵活性。而这种协调本身，就是很有价值的技能。 真实世界里，并不是所有机器人都装着昂贵脆弱的灵巧手。双臂夹爪系统在工厂、仓库、家用场景里依旧常见。Axis 现在收集的双臂数据，直接对应了这类实际需求。等基础协调学会了，再往灵巧手上迁移，会有一个更扎实的底座。 当然，灵巧手并不是不需要。 工具使用、衣物折叠、精细装配，最终还是要靠多指来完成。Axis 的路线图里，已经写了多形态支持，包括灵巧手、轮式双臂、人形。 他们的思路是先把夹爪和双臂跑通，把数据采集、清洗、后训练的闭环做扎实，再逐步引入更高自由度的末端。这是务实的顺序，不是技术上的局限。 夹爪不是偷懒的设计，而是现阶段最匹配目标的选择。 它让数据收集足够简单、足够快、足够大规模；让策略学习的门槛可控；同时也逼着系统去学习真正的双臂协作。等这些基础打牢了，灵巧手自然会进来。到那时候，很多现在需要双手的任务，可能真的就变成单手的事了。 研究这些轨迹时，偶尔还是会想，“要是有手指就好了”。但仔细想想，正是因为现在没有，才把那些更底层的问题暴露得更清楚。 #PhysicalAI# #Robotics# #EmbodiedAI#