波士顿动力创始人的研究所做了个“考拉夹爪”：人握着它干活，机器人照着学

教机器人干精细活，最贵的从来不是算法，是数据。而采数据这件事长期存在一个尴尬：为了让机器人学得动，人得憋着别扭去模仿夹爪的动作。RAI研究所的做法是反过来——把夹爪本身重新设计成人愿意握着用的样子。

据RAI研究所（Robotics and AI Institute）公开的项目页面与论文，该机构发布了名为Koala Gripper（考拉夹爪）的系统。RAI研究所由波士顿动力创始人、前MIT教授马克·雷伯特于2022年创办，总部位于美国马萨诸塞州剑桥市，前身名称为Boston Dynamics AI Institute，现代汽车集团是其出资方之一。相关论文8月20日提交至arXiv，编号为2608.20546；韩国机器人媒体《로봇신문》9月7日对此进行了报道。

这套系统的核心是论文提出的协同设计（co-design）框架：数据采集设备和机器人执行设备不再一先一后地开发，而是把两边的平台约束同时写进设计流程，一起长出来。落地成产品就是两个变体——一只手持、由人手直接施力的夹爪，用来采集人类演示数据；一只电动驱动的夹爪，架构完全对应，装在机械臂上执行学到的策略。论文摘要写明，这套夹爪相比传统的平行夹爪（parallel jaw gripper，就是两片平板对夹的那种）提升了灵巧度和抓取能力，同时保住了规模化与易用性。

机构设计上有几处不常见的选择。整套夹爪有3个主动自由度和2个欠驱动自由度：两根手指各用一套9连杆机构，每根手指一个主动、一个欠驱动自由度；拇指做成一体式双拇指（monolithic dual-thumb）并可枢转，用来提供扭转方向的稳定性。论文还强调了一个容易被忽略的指标——电动手指是可反驱的（backdrivable，即外力能反向推动电机），等效质量在数十克量级。等效质量小意味着夹爪撞到东西时冲击小、力控更干净，这对拧螺栓、撬贴纸这类要贴着物体使劲的活儿是硬门槛。

公开演示里能看到这套系统的实际手艺：稳稳握住电钻、扳手等工具并拧紧发动机部件上的螺栓，钉钉子，开易拉罐，撕贴纸，盖杯盖这类需要精确空间控制的动作。《로봇신문》的报道还提到一段做饭演示——人端起锅把食材倒进碗里，机器人手臂学到之后成功复现。论文列出的能力项包括捏取、包裹式抓取、扣动扳机式的工具操作、书写、工具的精细稳定，以及从一堆物体里精确挑出单个物体。

这条路线的价值不在某一次演示，而在数据的单位成本。手持版可以让采集者用接近日常的手势直接干活，理论上比穿戴外骨骼或遥操作机械臂更快、更省训练；而因为两个变体架构对应，采到的数据不需要复杂的跨形态映射就能喂给机器人。灵巧操作这两年的瓶颈公认是真机数据太贵，谁能把每小时有效演示数据的成本压下来，谁就在下一轮占先。