很多很酷很酷的科技产品来自大学实验室，比如这一款未完成的机器人。

在华盛顿大学研究员 Vikash Kumar 的带领下，由三人组成的团队在位于西雅图的运动控制实验室里，希望打造一台能够完成多种任务并且适应周遭环境的机器人。Vikash Kumar 与 Emanuel Todorov 共同负责硬件的部分，软件部分的机器学习算法则由团队中的计算机教授 Sergey Levine 负责。他们花费将近两年半的时间，完成了机器人的手臂—— Shadow Hand 机器人手。

在外观上，Shadow Hand 机械手与人手有高度的相似性。使用气动肌腱，拥有 5 根手指，配备 235 台传感器和 1 部外接摄像机。

高阶级的运算对人来说很难，但对机器很简单，如果让机械人的手拿易碎物体、抓住棍子、旋转管子或是翻转积木这类精细运动却十分困难。而 Shadow Hand 的每根手指活动范围和速度都远远超过人类。在抓握训练中，它采用的是自学习算法而不是固定的程序。

Shadow Hand 有 24 个关节，其中 20 个直接驱动，还有 4 个不被直接驱动的关节。

除了大拇指以外，每根手指都有四个自由度：与手掌连接的关节有弯曲或左右挥动手指的两个自由度；中间与最顶端的关节各有一个弯曲手指的自由度——其中最顶端的关节很难独立运动，于是成为欠驱动关节。比起其他手指，大拇指少了一个关节，因而只有 3 个自由度。

另外还有一个容易被忽略的是——手掌也是有一定自由度的，比如我们能够把大拇指和小拇指底部的手掌靠在一起，Shadow Hand 为此在手掌上设置了三个自由度，大拇指底下两个，小拇指底下一个。

再加上手腕上的两个自由度（左右和前后挥舞），就有了 16+3+3+2 = 24 个自由度。

所有关节一个接一个动一遍只要 2.4 秒

Shadow Hand 的手指采用的是线驱结构，从手腕处引出线接在外部驱动器上，并进一步将驱动器放置在手臂处的圆柱体内。电机布置如下图：

除了驱动器，Shadow Hand 总共还有 129 个传感器，除了指尖的肤觉传感器，这些传感器全部做在底部的基座里，与电机驱动系统集成在一起。

Shadow Hand 机器手的硬件成本大约是 $300,000，其真正的价值在于它的软件—— Sergey Levine 开发的算法。其原理是，先从视觉系统得到的三维点云中分离出物体，再通过过去学习的数据库识别物体、获得抓取物体的方法；如果不能识别，则直接通过物体的三维数据求解。这种算法能让计算机在无需编程员介入的情况下，自动利用过去失败的数据不断完善自己。

不过，简单的抓取物体只是第一步，观察下面抓瓶子的动图，你会发现它抓住瓶子后还做了一些微小的调整。这里用的是 Shadow Hand 的 GSC（Grasp Stabilization and Control）算法，主要利用手指上 Tactile sensor 的信息，进一步优化抓握方式，这个过程和人类的处理方式非常接近。

Vikash Kumar 的团队表示，Shadow Hand 机械手将来有望应用于各种需要熟练技工的领域，比如海洋研究、太空探索、险象勘察，还有助老助残、拆除炸弹，甚至是在咖啡馆里表演转管子的杂技。

近日，机器人爱好者 Nao 对这个机械手进行了一番测评，发现了两个新的玩法，一个是用 Leap Motion 控制 Shadow：Leap Motion 能检测到人手的运动状态，电脑采集到 LeapMotion 数据后，可将之转化为 Shadow Hand 的控制指令，最终传达给 Shadow Hand 。在仿真环境 Rviz 内很容易可检验其计算的正确性。

另一个玩法则参考日本的 Janken Robot，它能识别人的手势，并迅速做出反应，玩「剪刀-石头-布」的游戏，并能做到 100% 的胜利。

这名测评者为此写了个 BP 神经网络，让 Shadow Hand 实现了手势识别，但 Shadow Hand 的动态响应速度并不能如人意。即使测评者在它的力矩控制模式下重新写了个 PID 控制算法并进行调试，也只是比之前的响应速度快了一些。

有了这只灵巧和聪明的手，等这个机器人将来完全做好后，我们再看看它会是什么样子呢！