RSS 2026 時間檢驗獎：形態即計算，具身智能的“邏輯剎車”已至

頒給“空氣”的最高榮譽

當全球具身智能開發者都在卷“百萬小時視頻數據”和“萬億參數大模型”時，7月15日，在 RSS 2026 的現場，大會卻將分量最重的“時間檢驗獎（Test of Time Award）”，頒給了一只用空氣驅動、成本極低、甚至連傳感器都沒有的軟體氣動機器人手：《A Novel Type of Compliant Underactuated Robotic Hand for Dexterous Grasping》。

這是RSS大會的傳統榮譽，專門頒發給發表至少10年以上、且對機器人社區產生巨大且深遠影響的里程碑式論文。如主持人在發言中指出，該論文獲獎的原因，是因為它對近幾年具身智能與機器人抓握領域帶來了顛覆性的啟發，對于在座的行業新人而言，這也是一個絕佳的啟示：今天所做的看似不起眼的務實研究，完全有可能在10年后綻放為照亮整個行業的燈塔。

具體來說，這篇論文在今天被“重封神”的核心邏輯在于：

形態即計算： 它證明了機器人不需要精密的視覺重建和復雜的力控算法，通過硬件本身的物理順應性，在接觸物體是就能自動“解開”抓握姿態的數學難題。

環境約束利用（ECP）： 顛覆了“避障”的傳統思維，提倡機器人主動“撞擊”世界，利用桌面、墻壁等物理約束完成任務。

極致的成本優勢： 與動輒數十萬美金、精密且脆弱的剛性手不同，這只“RBO 手”成本極低，壞了只需要 5 塊錢的膠水就能修復。

AI科技評論在悉尼的RSS 2026會場親歷了這場演講。在現場播放的演示視頻中，RBO 機器人手在抓握雞蛋、豆腐和不規則零件時，控制系統發出的指令完全一模一樣。

這意味著硬件的形態學主動承擔了計算工作：不同于傳統機器人學試圖用復雜的力閉鎖公式去推演抓握，軟體手利用材料的順應性，直接在物理層面實現了自適應。這是一種“硬件級別的物理編程”。

以下是本次演講實錄，雷峰網(公眾號：雷峰網)AI 科技評論進行了不改原意的編輯：

物理編程：讓硬件替算法去“思考”

Oliver Brock： 謝謝 Chris 的介紹。我是 Oliver Brock。能獲得這個獎項，我深感榮幸，甚至有些誠惶誠恐，但更多的是激動。我的合作者 Raphael 今天因故未能到場，但我知道他同樣狂喜。他給我們發來了一段寄語。

“各位 RSS 的同仁們，大家好！從奧地利向大家致以最誠摯的問候?？吹皆跉v經多年沉淀后，我們當年研發的‘RBO手’（RBO Hand）在今天依然能為行業提供解法，我感到由衷的高興。作為科研工作者，我們追逐的不是財富，而是某種能在世界上留下印記的東西。哪怕這個印記再微小，只要它真切存在過，就是最大的褒獎。因此，獲得這個經典論文獎，我格外自豪?！?/p>

Raphael 說的那個“微小的印記”，其實分量很重。接下來的幾分鐘，我將試圖解構這個印記背后的核心邏輯。

我認為，Raphael 的這項工作，真正觸及并開啟了靈巧操作（Dexterous Manipulation）底層底層規律的探索。 這是一個很高的評價，且讓我帶大家打開這枚 12 年前的“時間膠囊”，看看里面藏著怎樣的啟示。

首先躍入眼簾的，是這個外形略顯奇特的機器人手。 乍看之下，它甚至缺乏傳統機械的科幻感。

請注意視頻中的演示：無論是抓握哪種形態的物體，系統發出的控制指令（Actuation Commands）完全一模一樣。然而，最終呈現出的抓握姿態（Grasp Posture）卻因物體的幾何形態而異。

這意味著什么？這意味著硬件的“形態學”主動承擔了最終抓握姿態的計算工作！

你的控制算法不需要去精細重建 3D 空間，也不需要費盡心機去計算抓握位姿，硬件本身“免費”幫你把這道數學題給解了。同時，得益于這種極致的物理順應性，即使抓握極度脆弱的物體（如雞蛋、豆腐）也完全不在話下。

Raphael 在 2014 年伯克利 RSS 大會上演講時，其核心目標就極其明確：最大化物理順應性，并將其與多自由度有機結合，從而在欠驅動狀態下榨干機器人的靈巧度上限。

這只手沒有傳統的電機驅動，而是采用氣動方案，結構極度精簡。如果切開它的手指（即氣動執行器），你會發現里面完全是中空的，本質上就是一個由軟硅膠制成的氣囊。

但我們在氣囊外圍嵌入了紅色的雙螺旋結構，用來抑制徑向膨脹；在手指底部，則植入了一層“可彎曲但不可拉伸”的織物。當你向氣囊內充氣時，它就像人類的手指一樣自然彎曲。這種氣動驅動非常簡單，只要充氣，它就會彎曲延伸，動作自然流暢。

沿著這一技術棧，經過長期的迭代，我們團隊推出了新一代的 RBO Hand 3。它有力支撐了我們當年的論點：在不需要復雜傳感和昂貴算力的前提下，實現魯棒的內在操作，并對物體的速度、形狀、尺寸和重量具備極強的泛化能力。

說到這里，我必須退后一步，向學術前輩表示敬意。順應性并不是我們發明的，它在機器人行業由來已久。

我所知道的最早貢獻可以追溯到 1978 年 Rosie 和 Tommy 的研究，他們當時就做出了一種可以包裹物體的物理夾爪。此后是一段漫長的歷史，受限于時間我無法一一列舉。另外，與 Raphael 差不多同一時期，Antonio Bicchi 實驗室研發的 Pisa/IIT Hand 也走在了類似的路徑上。

此外，化學界的跨界襄助也至關重要。2011 年，哈佛大學 George Whitesides 實驗室展示了基于軟硅膠的抓取器演示，它能輕柔地抓起一枚生雞蛋。這為軟體機器人的工程化鋪平了道路。

而第三個決定性因素，源于我們對人類抓握行為的深度解剖。

我們當年專門建了一個全傳感器覆蓋的實驗室，用來分析數千次人類的抓取嘗試。比如視頻中這個人類從桌上拿起積木的動作：手指首先接觸的是桌面，而不是物體本身。隨后，手指貼著桌面滑動，直至將物體推入某種特定構型；此時，大拇指充當旋轉軸心，其余手指旋轉物體，最終完成抓握。

這是一個極其重要的行業洞察：人類真實的抓握邏輯，與當時主流機器人界所崇拜的“純算法推演”毫無關系！

當時學術界天天在卷“力閉鎖”（Force Closure）這樣空中樓閣般的數學公式，但真實的抓取在建立力閉鎖之前，充滿了各種與環境交互的物理接觸。這三大基石融會貫通，共同構成了 Raphael 突破性貢獻的底色。

我們可以將順應性對靈巧操作的貢獻劃分為三個代際：

第一代（Level 1）：形態自適應抓取

這甚至談不上是優雅的靈巧抓握（Grasping），甚至可以用粗暴的扒拉（Grabbing）來形容。在 RBO Hand 1 時期，機器人的動作完全是死板的硬編碼腳本，沒有任何傳感器反饋。它大開大合地去抓各種東西，在當年引起了巨大震動：因為這只手從不害怕觸碰桌面，甚至故意讓手指貼著桌面滑動，通過主動利用物理接觸來降低控制難度。這種故意利用物理接觸的行為，我們稱之為“環境約束利用”（Exploitation of Environmental Constraints）。

第二代（Level 2）：靈巧預賦能（Pre-shaping + Shape Adaptation）

這就是 2014 年這篇獲獎論文的核心。這只手是 Raphael 嚴格按照自己手掌的尺寸等比例打造的。它具備多個自由度，可以提前改變手的構型（預塑形）。正如我開篇所演示的，這只手本身在執行硬件級別的物理計算，通過預塑形，我們實際上是在對硬件進行“物理編程”，定義它隨后如何自主適應物體的幾何特征。

第三代（Level 3）：極限環境約束利用與泛化靈巧操作

這在隨后的期刊版本中得到了升華。通過正確地調整自適應順應性，并以完全可預測、可規劃的方式去剝削和利用環境約束，機器人能夠完成極度逼真自然的靈巧操作。

這個視頻中展示了一段無傳感、純開環內在操作（In-hand Manipulation）。機器人手甚至長著“兩個大拇指”，在完全沒有視覺和觸覺反饋的硬編碼狀態下，通過不斷揉搓翻轉物體，在掌心中拼出了實驗室的名字“RBO”和柏林工大的名字“TU Berlin”。

這種驚人的魯棒性不是來自算法的實時閉環反饋，而是內生于硬件的形態和環境約束的規劃之中。

Raphael 的工作為我們掃清了迷霧，讓我們看清了靈巧操作的底層真理：極大地擁抱順應性，主動剝削和利用物理環境的約束，才是讓機器人抓握走向高魯棒性、高通用性和泛化落地的唯一正途。

在打開這枚時間膠囊的最后，結合過去幾天我們在 RSS 看到的很多報告，我認為這項工作給當下喧囂的 AI 行業留下了幾條極具警示意義的通用啟示：

硬件至關重要（Hardware Matters）：我們是機器人專家。當你要與物理世界產生交互時，硬件就是解決方案本身的一部分。試圖在軟件端用純算法去繞過硬件的天然缺陷，是極其荒謬的。不要害怕死磕硬件。

模型是多元的（Models Matters）：模型不單單指那些用海量算力堆砌出來的、動輒參數過億的端到端神經網絡。我們提煉出來的“環境約束利用原理”，同樣是一種高級的物理架構模型。面對復雜的具身難題，不要把雞蛋放在一個籃子里。

多樣性不可或缺（Diversity Matters）：當下全行業都在盲目跟風同一種大模型路線，這極其反常。面對復雜的亞健康問題，一種模型通吃天下的概率微乎其微，行業需要鼓勵發現截然不同的新路徑。

抽象層級是解法（Abstractions Matters）：正如物理學分為量子力學、化學元素周期表和天體物理一樣，將描述世界的具身難題劃分為不同的抽象層級是完全必要的。有人會說：“交給神經網絡自己去尋找中間層不就行了？”這很美好，但在此之前，把我們已知的物理規律與結構知識提前注入機器人硬件中，能讓我們省掉數億美金的算力彎路。

生物學提供的是靈感，而非模仿（Biology Inspires）：我們深度解剖了人類抓握，但我們并沒有去笨拙地復制人類手的每一個關節或機械外形。我們提煉的是其背后的底層物理原則，并將其轉化為機器人的硬科技邏輯。

這就是2014 年這項開創性工作帶給我們的啟示。謝謝大家！

高精密機械手的“雷區”與軟體手的“流氓實用主義”

主持人：感謝 Oliver。接下來進入圓桌論壇環節。我們邀請了三位在 2014 年該論文發布時，就已經在一線開展研究的資深學者共同探討。他們是 Matej Karlik、Lucy Leichter 以及 Rudolf Ludwig。我們先從各位的簡要評價開始。

Matej Karlik：謝謝 Oliver 的精彩報告。今天早些時候我們剛聽完年輕一代學者關于高算力大模型的報告，此時再看這個 10 年前的經典硬件成果，這種對照簡直妙不可言。我們可以清晰地看到，當年你們強力注入機器人社區的理念，在 10 年后依然在深刻影響著整個行業。

這篇論文徹底改變了我實驗室的研究軌跡。2014 年我剛在哥倫比亞大學建起自己的實驗室，當時我也在死磕無傳感的順應性抓取。當看到 Oliver 和 Raphael 的這篇論文后，我的第一反應是：完了，這個方向已經被他們做到頭了。 硬件形態計算的潛能已經被這篇論文榨干了，幾乎沒有留下任何可以輕松采摘的低垂果實。于是我被迫轉型去做了傳感方向，這直接決定了我實驗室此后十年的命運。

另外，我看到了這項研究與當下最火熱的“具身大模型”之間存在著非常美麗的行業回響。如今大火的模仿學習（Imitation Learning）宣稱：如果你只給機器人一次動作演示并讓它強行復現，系統會表現得極度脆弱（brittle）。因此，大模型派的主張是搞 50 次、100 次不同角度的演示數據，去大力出奇跡地訓練出一個閉環策略（Closed-loop Policy）。

然而，Oliver 10 年前的 RBO Hand 3 在掌心翻轉魔方的演示直接打了當下大模型派的臉： 哪怕只給一次演示腳本，只要你的硬件具備強大的物理被動順應性，硬件形態本身就能自動幫你閉環并抹平誤差。兩個跨越 10 年、表面上南轅北轍的技術棧，在最底層的邏輯上竟然完成了奇妙的交匯。

最后我想對臺下的學生說，如何寫出一篇能通過時間檢驗的頂級論文？大家必須去讀一讀這篇原作。它寫得太美了，沒有任何枯燥的公式堆砌，而是像講故事一樣引人入勝。

讓我引用論文里最震撼的一句話：

“我們用嚴謹的分析強化了這樣一種信念：物理順應性與欠驅動形態，不僅不會讓靈巧抓握變得困難；恰恰相反，它們極大地簡化了實現靈巧抓握所需的控制算法?！?/p>

這就是思想的力量。

Lucy Leichter：我完全贊同 Matej 的觀點。2014 年這篇論文發布時，我正開著著名的 iCub 人形機器人手臂做我的博士論文。iCub 機械手走的是完全相反的極端：極致的學院派重工業設計、密密麻麻的鋼絲繩、滑輪和電機，極度昂貴且弱不禁風。我寫博士論文的四年里，大部分時間都在痛苦地修理那些斷裂的機械肌腱。

當看到 Raphael 在視頻里若無其事地開環抓起各種東西，甚至無所顧忌地讓手指在桌面上摩擦滑動時，我整個人都震驚了。要知道，在之前的四年里，我把桌面視作世界上最危險的雷區！ 每次我的高精密機械手靠近桌面，我的手都死死按在緊急停止鍵（E-stop）上，生怕一絲微小的碰撞力就把幾十萬的硬件震碎。

這篇論文向行業展示了另一種完全不同的工程活法：你不僅可以建造出敢于頻繁觸碰環境、利用摩擦力的魯棒硬件，還能把控制算法的復雜度降到令人發指的地步。

我們當年為了調校 iCub 那 12 個驅動電機的 PID 參數以完成一個簡單的抓取，耗費了成百上千個小時。而 Oliver 卻說，他們的系統抓什么東西都用同一套開環控制器。我第一次看視頻時甚至懷疑這是假的。

這讓我徹底轉向了“具身認知”（Embodiment）的陣營。在面對工業落地難題時，我們總是習慣在軟件和算法上做加法，用極其復雜的控制鏈路去擦屁股；但實際上，如果你從一開始就選擇對的身體構型（Embodiment），底層的工程難題可以用一種極度精簡、平民化的方式在硬件層面被直接干掉。

Rudolf Ludwig：大家都在暴露年齡，那我也坦白，這篇論文發表時我正在考慮是否攻讀博士學位。雖然我最后沒有進入純硬件研發的方向，但我必須強調，在如今每周有兩萬篇大模型論文狂轟濫炸的時代，回看這篇經典是每一位具身智能研究者的必修課。

當你讀完這篇論文，你會非常清晰地意識到，這絕對不是在拙劣地模仿人類手掌的皮膚或外形。它是用極具穿透力的技術眼光，去拆解人類手掌之所以能高效工作的物理機制，然后把這種“功能圖譜”沉淀進硬件的架構中。

論文里有一套極為嚴謹的抓握分類學。這種分類不是憑空捏造的，而是基于生物學觀察，證明了這只極其簡單的軟體氣動手，通過預塑形，完全可以復現人類絕大部分復雜的抓握模態。同時，它還完美通過了測試人手運動極限的 Kampachi 測試。

它不是如今常見的某些大模型論文——“我們搞出了一個新架構，拍幾段好看的視頻展示一下模型有多偉大就完事了”。它是先定義好工業界對一只手的功能底線期望，然后用嚴謹的工程邏輯去逐一驗證它。這種高品位的論文結構本身就是藝術品，在我的實驗室里，這是全體新人的必讀文獻。

靈魂拷問：為什么大公司依然執著于剛性五指手？

提問1：這只手被開發出來已經 12 年了，為什么直到今天，它還沒有進入千家萬戶的工業流水線？難道非要我們每個實驗室自己去用硅膠手粘一只嗎？

Oliver Brock：哈哈，這其實是你們工業界和在座各位的責任，而不是我的問題（笑）。

我們的官方網站上，從購物清單、3D打印圖紙到組裝視頻一應俱全，并且我們保持著高頻更新。動手能力強的團隊一周就能粘出來。

這只手真正的落地瓶頸，在于它從根本上挑戰了傳統機器人工程師的底層思維方式。

每一個剛進入我實驗室的學生或外部合作者，拿到這只手時，都會固執地沿用他們之前玩剛性大手臂的那套“路徑規劃、精確避障、避免觸碰”的嚴謹思維去操縱它。這完全南轅北轍了！要玩轉這只手，你必須學會“主動去撞擊世界”、“主動剝削環境約束”。換句話說，你得換個腦子。

提問2：你認為這種氣動控制棧是導致工業界顧慮的根源嗎？

Oliver Brock：這取決于你的應用場景。如果你要把它送到外太空，氣動確實非常麻煩。但我最近也嘗試把它掛在我的十四自由度雙足人形機器人上，效果出奇的好。

核心癥結在于，氣動核心元器件在過去幾十年里從未經歷過“微縮化”革命。因為它們主要服務于大型自動化工廠的固定管線，行業沒有對其進行微縮的動力。實際上，氣閥和氣道完全可以被做得很小，如果明天工業界需要全面部署，微縮化氣動元件很快就能鋪滿市場。

更重要的一點是：我本人其實根本不在乎它是氣動、水動還是電動。我真正誓死捍衛的是硬件的內在物理順應性。如果你能在電動直驅或者肌腱外殼上，用另一種更聰明的低成本方案幫我實現同樣的順應性，我舉雙手贊成。

提問3：現在大火的電機直驅執行器（Direct Drive Actuators）能達到類似的物理柔軟度嗎？

Oliver Brock：非常困難。因為直驅電機依然依賴剛性的傳統關節結構，它們最多只能在轉軸延伸的方向上表現出算法模擬出來的順應性，而在其他三維物理維度上依然是硬碰硬的。這根本無法滿足真實物理世界泥濘環境下的泛化抓取。

提問4：我有兩個問題：第一，既然視頻里的內在操作表現得如此震撼，為什么當前市面上那些風頭正勁的人形機器人獨角獸公司，依然在執著地模仿人類做五指剛性手，而沒有一家去量產你們這種順應性軟手？

第二，你們在沒有任何傳感器的情況下完成了長達 12 分鐘的拼字操作。那在你們看來，到底在遭遇什么極限場景時，高密度的傳感器才真正具有不可替代的必要性？

Oliver Brock：非常棒的問題。關于為什么大公司不跟進，我也很困惑。

我的一位剛畢業的博士生，就是負責最后那個 12 分鐘拼字視頻的主要核心作者，最近剛剛成立了一家商業化初創公司，他們目前在嘗試將線驅肌腱的微型化與我們的物理順應性做深度結合。我們非常期待看到線驅順應性與氣動順應性在一線戰場上的成本與效率對決。如果他們成功了，或許能極大地降低大公司的采納門檻。

說白了，傳統的機械思維根深蒂固，大家總覺得硬件壞了就得換零件；而我們的軟體手如果破了，工程師只需要掏出一支 5 塊錢的硅膠膠水抹一下，就能讓它繼續干活，這在傳統工業界看起來確實有些過于“流氓實用主義”了。

關于第二個傳感器（Sensing）的靈魂拷問，這非常有趣。

因為在這類軟體順應性手上，傳統的編碼器或昂貴的 GelSight 視觸覺傳感器是根本沒法往里塞的，硅膠形變會直接摧毀這些高精密光學元件。

為了解決這個問題，我們團隊最近開發了一種極度廉價的替代方案：聲學傳感。我們直接在空心的手指內部塞進了一個幾毛錢的微型麥克風和一個微型揚聲器。揚聲器在手指內部播放特定頻率的聲音，當手指觸碰物體發生形變、受壓或遭遇溫度變化時，手指內部的內部空腔聲場就會發生調制，麥克風記錄下這些變調后的聲音，我們通過算法就能以極低的算力反推出接觸點、力矩、壓力、溫度甚至物體的材質屬性。

這直接確立了我們下一階段的研究紅線：什么時候才必須引入閉環傳感器？

答案是：當物理順應性的紅利被吃光的時候。這是我們在榨干硬件紅利后，為了進一步提升工業落地魯棒性所跨出的下一步。

結語：讓智能從身體里“長出來”

2026 年，當我們討論 AGI 時，我們討論的是什么？

是英偉達堆疊的 H100 算力，是 OpenClaw 吞噬的 Token，是 Scaling Law 永無止境的直線。

但 RSS 2026 的這篇時間檢驗獎文章像是紅海中的一座燈塔，照亮了另一個可能的方向。它告訴我們，智能不應只是大腦的獨角戲，更是身體與物理世界的博弈。

如果一個機器人需要消耗 1000 瓦的算力才能勉強對齊一個杯子的邊緣，而一只 150 元的硅膠手只需要“充個氣”就能在撞擊中完成自適應抓取，那么究竟哪一種才是更高級的智能？

真正的具身智能，不應只是把 AI “裝進”機器人身體里，而是讓智能從身體里“長出來”。正如 Oliver Brock 所言，抽象層級才是解法。 在我們試圖用海量算力去“暴力破解”物理常識之前，請先敬畏并利用那些已知的物理規律。

2026 年，智能不再是算力的堆疊。RSS 這篇“時間檢驗獎”論文告訴我們：如果你的硬件身體足夠聰明，你的軟件靈魂就能獲得自由。

雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。