一场发布会亮相4款灵巧手，中科慧思让机器人拥有真正“干活”的手

机器人前瞻（公众号：robot_pro）

作者 | 周加琦

编辑 | 漠影

当前，具身智能正从“实验室”迈入“产业化落地”阶段。其中，作为机器人实现精细操作和真实环境交互的核心部件，灵巧手被视为具身智能走向实际应用的关键一环。

机器人前瞻8月8日报道，今天，在中科慧思具身智能产业落地签约仪式暨技术成果发布会上，中科慧思一口气发布三款灵巧手产品：L1、D1、M1，同时预发布F系列绳驱动仿生灵巧手，并预告了T系列重载工具手。

▲中科慧思产品矩阵

中科慧思成立于2026年，该公司由中科慧灵、蓝思科技、湖南华夏投资集团合资成立，专注于灵巧手的研发，此次发布会是该公司首次公开亮相。

一、3款灵巧手亮相，覆盖轻量、通用与模块化场景

发布会上，中科慧思首先发布了面向快速操作场景的L1轻量版通用灵巧手。该产品整机约610g，接近于一瓶矿泉水的重量。据现场介绍，这款灵巧手的提握负载可达25kg，相当于40倍的自重。

▲L1轻量版通用灵巧手

在自由度方面，L1系列共有11个自由度，包含6个主动自由度与5个从动自由度，全手开合的时间仅需0.2s，可满足拨弦、按键等快速、连续动作的需求。

在价格方面，中科慧思表示，L1系列售价将控制在几千元级别。

其中，现场CASBOT BAND机器人乐队表演所用的灵巧手就是L1系列。可以看到，该系列灵巧手能够满足机器人在快速节奏中，敲击键盘、拨动琴弦。

▲CASBOT BAND机器人乐队现场表演

随后，中科慧思又发布了D1高自由度通用五指灵巧手。D1系列自重不超过900g，共有20个自由度，包含16个主动自由度与4个被动自由度，可支持平捏、侧捏、对捏、指尖夹取和多指握持等动作。

▲D1高自由度通用五指灵巧手

D1系列整机可负载10kg，在指尖配备压阻式触觉传感器，能够实时感知抓取过程中的压力变化，并调整抓取状态。

L1系列与D1系列均采用电机加连杆的驱动方式。

第三款新品是M1模块化场景灵巧手，与前面两个不同的是，M1系列采用标准化主体与模块化快换接口，配备圆指尖、锥指尖、吸盘指尖、球指尖等10余种功能性指尖。

▲M1模块化场景灵巧手

该系列有16个自由度，采用电机驱动的方式，能够完成通用抓取、精密装配、打磨清理、检测传感、维修等不同场景作业，可根据任务需求快速切换末端配置，提高工作效率。

据现场了解，M1系列整机采用的是对称结构，即大拇指可左右转换，以提升不同任务中的适配能力。

二、F系列绳驱动仿生灵巧手，最高37个自由度

在灵巧手发展过程中，如何进一步提升运动灵活性和任务适应能力，是行业持续探索的方向。仿生灵巧手通过模拟人手结构与运动机制，为机器人完成更复杂操作任务提供了一种技术路径。

此次发布会上，中科慧思推出的F系列绳驱动仿生灵巧手，自由度高达37个。其中，仅拇指就有7个自由度，且拇指闭合时间同样为0.2s。

此外，为提升绳驱灵巧手的实用性，中科慧思针对腱绳维护提出了3分钟快速更换方案。据介绍，F系列采用单根腱绳设计，腱绳更换时间最快可控制在3分钟以内。

由于腱绳成本相对较低，该设计有助于降低维护成本，并加速灵巧手在实际场景中的应用。

现场还展示了该系列灵巧手的花式动作，如拧瓶盖、用筷子、用剪刀等。

▲用筷子、用剪刀、捏花指、拧瓶盖

三、从“会动”到“会干活”，中科慧思探索数据闭环

在采访中，机器人前瞻围绕灵巧手从运动控制走向任务执行的问题，与中科慧思进行了交流。

针对当前行业面临的“灵巧手能完成动作，但距离真实作业仍有距离”的挑战，中科慧思表示，灵巧手的发展不仅依赖硬件自由度和结构优化，更需要通过真实场景数据推动模型能力提升。

据介绍，中科慧思正在探索“多系本体×数据采集”双飞轮模式：一方面，通过L1、D1、M1、F系列等不同定位的灵巧手产品，覆盖轻量操作、数据采集、工具化作业以及仿生操作等不同需求；另一方面，建设灵巧手技能训练场，并通过数据手套、遥操作设备以及数采工具链等设备持续采集真实操作数据，用于模型训练和技能学习，再通过模型反馈进一步优化硬件设计。

中科慧思表示，未来灵巧手的竞争不仅是硬件参数的竞争，更是“本体、数据和模型”协同迭代能力的竞争。

在产业化方面，中科慧思还提到，灵巧手落地不会是一蹴而就的，而将从具体场景和细分任务开始突破。例如，在工业制造、特殊作业等场景中，通过真实任务数据积累，逐步提升机器人的操作能力。

结语：从参数竞争到任务能力竞争，灵巧手迈向产业化

从单一硬件能力竞争，到本体、数据与模型协同演进，灵巧手正在成为具身智能产业化过程中的关键变量。

此次发布三款不同定位的灵巧手产品，并推出F系列绳驱动仿生灵巧手，中科慧思希望从轻量操作、通用交互到复杂仿生操作的多元需求。同时，通过数据采集与模型训练形成闭环，其探索也反映出当前灵巧手行业的发展方向正在从“参数竞争”转向“任务能力竞争”。

不过，灵巧手真正走向规模化应用，仍需要解决成本、可靠性、数据规模以及场景适配等问题。未来，随着真实场景数据持续积累，以及硬件与模型能力不断迭代，灵巧手能否从“展示能力”走向“完成任务”，将成为具身智能从技术验证走向规模应用的关键。