尽管机器人领域不断进步，但多数现有机器人仍难以像人类一样灵活操控物体并具备感知能力，这限制了它们在多种实际任务中的表现，特别是在高温环境下，如钢厂和铸造厂等，高温会降低机器人性能并影响操作精度。

近日，南加州大学研究人员开发出新型MOTIF(基于热、惯性和力传感器的多模态观察)机械手，旨在提升人形机器人的物体操控能力。这一创新成果已发表在arXiv预印本服务器上的一篇论文中。

MOTIF机械手融合了多种传感设备，包括触觉传感器、深度传感器、热像仪、惯性测量单元(IMU)传感器和视觉传感器。研究团队成员Daniel Seita等人表示，该研究源于对机器人操控超越传统视觉和触觉感知的需求，目前的多指机械手通常缺乏执行复杂任务所需的集成感知能力。

MOTIF机械手的设计灵感源自人手，目标是开发一种新型多功能、多模式机械手，能够安全而精确地处理物体。通过利用更全面的传感器输入，该机械手可在家庭、工厂等各种环境中执行更细致的物体交互。研究团队此前使用市售机械灵巧手时发现，许多现有硬件设计侧重于机械传动结构，无法满足研究所需的传感需求，这促使他们寻求可DIY扩展的硬件平台。

MOTIF手作为一款先进的机械手，将多种传感器集成到一个灵巧的平台上，扩展了广泛使用的LEAP手设计，增强了传感能力。其主要优势包括全面的环境感知能力、安全处理高温物体的能力，以及区分外观相似但物理特性不同的物体的能力。

为评估MOTIF机械手的潜力，研究人员在实验室环境中进行了两项实验。第一个实验评估机械手在考虑物体温度的情况下抓取物体的能力，以避免触碰过热区域;第二个实验则通过指尖轻弹动作对形状相同但重量不同的物体进行质量分类。

研究结果表明，热传感与三维重建相结合可有效引导安全抓取，惯性传感则能对物体进行精确的质量分类。在初步测试中，MOTIF机械手表现优异，能够安全地抓取各种物体，并准确预测其质量。

未来，MOTIF机械手将得到进一步改进，并在更广泛的实验中进行测试，以验证其在特定应用中的潜力。Seita和他的学生认为，该技术在处理家庭环境、专业厨房和工业环境中的手动任务方面尤其有前景，如在烹饪热菜、焊接或拧紧螺丝等任务中，该技术可能优于其他现有系统。

研究团队还计划通过集成更多高分辨率指尖传感器(如Digit 360)来进一步增强MOTIF机械手的功能，提供更精细的触觉反馈。同时，他们致力于改进多模态传感算法，并探索其在复杂现实环境中的更多应用。

此外，周教授透露，该团队上周在圣达菲举行的ISER 2025会议上展示了这项工作，并与许多优秀的研究人员交流了想法，希望它能够启发学术界思考更多传感模式的研究方向。

更多信息： Hanyang Zhou 等，《MOTIF 手：基于热、惯性和力传感器进行多模态观测的机械手》，arXiv (2025)。