文章核心观点 - 浙江大学Grasp Lab研发的复合多连杆二指夹爪GL-Robot，通过“AI+mechanism”深度融合，在机器人抓取与操作领域实现突破，其核心创新在于验证了“灵巧手与触觉感知可解耦分离”的关键观点，无需昂贵触觉传感器即可实现高精度力控，为行业开辟了低成本、高适应性的新赛道 [1][16] 手机构优化 - 采用单执行器驱动的两指三关节欠驱动架构，通过独创的“堆叠四连杆叠加可解耦机制”，实现关节运动的耦合协同与解耦自适应，简化驱动复杂度的同时通过固定平行四杆结构分担抓取反力，降低执行器负载 [2] - 构建多模态抓取适配能力，可智能切换抓取模式：对螺丝、笔等小型工件采用“高精度平行抓取”；接触较大或不规则物体时，机构自动解耦，驱动指节形成“全域包络抓取”，通过“力闭合”原理保障稳定性 [8] - 关节集成扭转弹簧与机械限位设计，维持指骨初始姿态并实现自动复位，为AI感知与规划提供稳定的机械响应基础 [8] 手部多模态感知 - 提出无传感力感知框架，摒弃传统力传感器，利用电机电流与抓取负载的直接映射关系，通过解析电流信号来感知外部接触状态 [11] - 引入长短期记忆网络（LSTM）实现AI赋能的信号解析，通过大量数据训练让AI学习电流变化与手指关节角度、接触力的深层关联，结合逆运动学与雅可比矩阵映射，完成从感知到力学计算的闭环流程 [11] - 力控精度显著：在小力操作场景中，力控精度低至0.1N，平均误差不超过0.61N，可安全抓取鸡蛋、芯片等易碎品；在重载场景中，通过电流-力直接控制，最大承载力达250N，能稳定抓取盛满水的水桶等重物 [11] 抓取与操作规划 - 建立“位置-力”与“电流-力”双模控制架构，针对不同任务动态切换：精细操作时采用位置环结合逆运动学微调，利用指尖柔性垫片形变实现轻柔力控；重载作业时直接通过AI驱动的电流信号监测精准控制抓取力 [15] - 规划逻辑与机械特性深度耦合，通过预先建立的夹爪力学模型与分支计算方法应对复杂场景，模型分析表明抓取稳定性主要受远端指节接触点控制，初始位置偏差影响较小 [15] - 具备全域抓取适配规划能力，可稳定握持从轻薄硬币到边长超10厘米立方体的各类物体，并能通过姿态自适应贴合电钻、眼镜、酒瓶等不规则形状工件，有效防止滑移 [15] 核心价值与未来展望 - GL-Robot的突破核心在于“AI+mechanism”的深度融合，机械结构创新提供高效硬件基础，AI算法赋能无传感感知与智能规划，使传统刚性夹爪升级为智能自感知组件 [16] - 其“灵巧手与触觉感知解耦”观点颠覆了“力控必须依赖触觉传感器”的传统认知，为低成本、高可靠性的抓取方案提供了理论与实践支撑 [16] - 在商业化层面，无需昂贵力传感器的设计大幅降低成本，同时在负载能力、力控精度、抓取范围等关键指标上表现优异，具备与Robotiq 85等商用夹爪比肩的潜力，可广泛应用于工业装配、物流分拣、家庭服务等领域 [16]