在高端设备制造领域，机器人虽历经多年发展，但在物体操控的灵活性与感知能力上仍难以企及人类，这限制了其在诸多实际任务中的表现，特别是在高温作业场景，如钢厂和铸造厂中，高温会大幅降低机器人性能与操作精度。

近日，南加州大学研究人员取得重大突破，开发出MOTIF(基于热、惯性和力传感器的多模态观察)机械手，相关成果发表于arXiv预印本服务器论文。此款新型机械手旨在提升人形机器人的物体操控能力。

研究团队成员Daniel Seita、Hanyang Zhou、Wenhao Liu和Haozhe Lou表示，研究源于机器人操控对超越传统视觉和触觉感知的需求，目前多指机械手多缺乏执行复杂任务所需的集成感知能力。他们以人手为灵感，目标是开发多功能、多模式机械手，利用全面传感器输入，在家庭、工厂等各类环境中实现更细致的物体交互。

此前，研究团队使用过市售机械灵巧手，发现许多硬件设计侧重机械传动结构，难以满足传感需求，这促使他们寻求可DIY扩展的硬件平台。MOTIF手应运而生，它集成热传感器、深度传感器、RGB(视觉传感器)、惯性传感器(IMU)和触觉传感器等多种传感器于一个灵巧平台，扩展了广泛使用的LEAP手设计，增强了传感能力，具备全面环境感知、安全处理高温物体以及区分外观相似但物理特性不同物体的优势。

为评估MOTIF机械手潜力，研究人员在实验室开展两项实验。其一评估机械手在考虑物体温度时抓取物体、避开过热区域的能力;其二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。

研究结果显示，多种传感器集成显著提升了机械手操控能力，热传感与三维重建结合可有效引导安全抓取，惯性传感能精确进行物体质量分类。初步测试中，MOTIF机械手表现出色，能安全抓取各类物体并准确预测质量。

未来，MOTIF机械手有望进一步改进并在更广泛实验中验证其在特定应用中的潜力。Seita和他的学生认为，该技术在家庭环境、专业厨房和工业环境的手动任务处理方面前景广阔，在烹饪热菜、焊接或拧紧螺丝等任务中，因能安全处理高温物体并精确估计力、根据温度调整操作策略，表现或优于现有系统。

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)增强MOTIF机械手功能，提供更精细触觉反馈，同时改进多模态传感算法，探索其在高级手部操作任务以及复杂热力相互作用环境等更多复杂现实场景中的应用。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，期望能启发学术界探索更多传感模式研究方向。

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)。