一只机器人手学会魔方花了相当于1.3万年的模拟练习，而到了2026年，一只五指手拧上灯泡的成功率仍只有36%

OpenAI的机器人手在模拟中练习了相当于大约1.3万年之后，用它最好的一套设置，十次尝试里有两次解开了最难的魔方打乱状态。报告这一结果的论文于2019年10月16日上传到arXiv。此后，各实验室也开始用人类示范、触觉传感器和更便宜的硬件来教机器人手，而五指手最新的实测结果来自谷歌DeepMind，发布于2026年7月30日，视任务不同，成功率从32%到92%不等。

下面每一个数字，都是有名有姓的实验室在自己的论文或公告里报告的。它们大多来自不同的机器人、不同的物体和不同的成功标准，所以这不是一张排行榜。

OpenAI的魔方手到底做到了什么

这只机器人手是Shadow Dexterous E Series Hand，一只五指的仿人手，由三台RGB摄像头盯着魔方。OpenAI完全在模拟环境里训练了控制策略和视觉系统，然后把它们搬到真实的手上。它把功劳归于自动域随机化：模拟器不断生成越来越难的各种世界变体，让策略无法依赖其中任何一种。

论文给出魔方策略累计的训练经验约为1.3万年，运行在64块NVIDIA V100图形芯片和920台工作机上，每台机器有32个处理器核心。

真实机器人的结果列在一张表里，每种策略做十次试验。最好的策略在魔方各面角度由Giiker传感器提供的情况下，需要15次转面的打乱状态在60%的试验中解开，最坏情况下需要26次转面的打乱状态为20%。只靠视觉读取各面角度时，同一策略的成绩是20%和0%。如果魔方掉落，或者手在1600个时间步（约128秒）内没有完成，这次试验就结束。论文报告说，当策略转错了面或者魔方滑落时，它通常能通过重新抓握恢复过来。

向人的双手学习

模拟并不是教一只手的唯一办法。可以由人向机器人演示任务，机器人模仿动作。2023年4月，Tony Zhao、Vikash Kumar、Sergey Levine和Chelsea Finn发表了ALOHA，这是一套低成本的双臂系统，由定制的遥操作界面驱动，也就是由人远程操控机器人。他们的算法叫Action Chunking with Transformers，学会了六项真实世界的任务，包括打开半透明的调料杯和装入电池，用大约10分钟的示范就达到80%到90%的成功率。项目页面说，硬件是在2万美元的预算内造出来的。

接下来是把许多实验室的示范汇集起来。2023年10月发布的Open X-Embodiment论文合并了21家机构22种机器人的数据，涵盖527项技能。在涌现技能测试中，它的RT-2-X模型得分75.8%，RT-2为27.3%。作者说，他们没有测试感知和执行方式差别很大的机器人，也没有研究向新机器人推广的能力。

Cui及其同事在2025年10月写道，手动遥操作一只灵巧的臂和手，会让人类操作员不堪重负。他们的办法是把工作拆开：由人通过虚拟现实引导手臂，由一个学习得来的策略根据触觉和摄像头反馈来驱动手指。他们报告，在各种物体上（包括没见过的）成功率为90%。2025年6月，Elvis Nava、Robert Katzschmann及其同事介绍了mimic-one，一只有16个自由度的手，用手套和虚拟现实示范训练，在分布外测试中的成功率最高为93.3%，所谓分布外，是指与训练数据不同的情形。

机器人也可以从自己的错误中学习。Physical Intelligence在2025年11月18日发布的pi*0.6论文，介绍了一种叫RECAP的训练方法，它把示范、机器人自己的尝试和人类遥操作员的纠正混在一起。该公司报告说，由此得到的模型能在真实的家里叠衣服、组装纸箱、做浓缩咖啡饮品，在一些最难的任务上，这种方法让吞吐量提高了一倍以上，失败率大约减半。洗衣服也正是tuput之前那篇讲莫拉维克悖论的文章用作标题的例子。

让指尖有触觉

F-TAC Hand来自一个包括Zihang Zhao、Kaspar Althoefer和Song-Chun Zhu在内的团队，它在70%的表面上布有空间分辨率为0.1毫米的触觉感知。预印本于2024年12月19日出现，伦敦玛丽女王大学于2025年6月9日宣布了发表在《自然·机器智能》（Nature Machine Intelligence）上的正式版本。作者报告说，在600次真实世界试验中，带触觉的手在复杂操作任务上胜过没有触觉的方案（p小于0.0001）。

Meta的人工智能研究团队于2024年10月31日发布了Digit 360指尖。Meta称它有800多万个触觉像素（taxel，即感知触摸的像素），能感知小到1毫牛的力，并配有Sparsh，一个用46万多张触觉图像预训练的触觉模型。GelSight将生产Digit 360，Wonik Robotics将生产一款触觉Allegro Hand，两者都计划在2025年广泛供货。

触觉不一定要很复杂。Qi Ye及其同事在《科学·机器人学》（Science Robotics）上的一篇论文，于2026年2月17日被报道，它用的是低成本的四指LEAP Hand，配一台普通网络摄像头和简单的有触觉或无触觉传感器，此前已用结合视觉与触觉的人类示范做过预训练。这只手完成了它的八项任务，总体成功率73%，在模拟中练过的五项任务为85%。其余三项没见过的任务，包括削铅笔和拧松螺丝，Phys.org的报道说是”大部分时候”完成了，没有给出具体数字。列出的失败包括：小瓶盖，手的扭矩不够拧不动；还有手指卡在狭窄的水龙头手柄槽里。

更便宜的手，用缆绳代替电机

Kenneth Shaw、Ananye Agarwal和Deepak Pathak在2023年9月写道，由于缺少合适的硬件，灵巧操作的学习方法大多停留在模拟中。他们的LEAP Hand造价约2000美元，用现成的零件花四个小时就能组装起来。摘要称，这大约是最接近的竞争对手Allegro Hand价格的八分之一。

一些较新的手用称为肌腱的缆绳来驱动手指。mimic-one就是一例。Ruka-v2也是，它来自包括Lerrel Pinto和Irmak Guzey在内的团队，发布于2026年3月27日。它在最初的Ruka基础上增加了一个两自由度的手腕和手指的侧向运动，作者说最初的Ruka造价可以低于1300美元。在遥操作任务的用户研究中，Ruka-v2相比最初版本把完成时间缩短了51.3%，把成功率提高了21.2%。它在13项任务上做了遥操作，其中3项是自主学会的。

模拟又回来了

模拟并没有失去它的位置。Toru Lin、Jitendra Malik、Yuke Zhu及其同事在2025年2月报告了一套在模拟中训练的强化学习流程，用于一台装有两只多指手的Fourier GR1人形机器人。他们报告，见过的物体成功率约为90%，新物体为60%到80%。按任务看，最好的策略平均成绩是：抓取并伸手62.3%，抬起箱子80%，双手交接52.5%，每个物体做十次试验。作者推测，交接成绩偏低是因为对模拟物理只用了简单的随机化，并说这些能力离通用的、达到人类水平的操作还差得很远。

2026年2月的一篇论文DexRepNet++报告，一个在40种物体上训练、在5000多种没见过的物体上测试的策略，在模拟中的抓取成功率为87.9%。它的摘要提到模拟与真实硬件之间的差距很小，但没有给出真实世界的成功率。

DeepMind 2026年7月的五指手数据

2026年7月30日，谷歌DeepMind发布了Gemini Robotics 2。这个模型控制着Apptronik的Apollo 2人形机器人上那只五指、22个自由度的SharpaWave手。DeepMind的文章给出了这只手的成功率：拧下灯泡92%，拧上灯泡36%，系垃圾袋44%，簸箕任务32%，密封袋40%。在Franka Duo平台的双指夹爪上，它报告通用抓取放置为74.2%，工具配套为78.9%，精确插入为89.6%。

DeepMind的文章说，多指灵巧操作依然很有挑战。它还说，新的双臂机器人通常用不到200个示例就能适配。

tuput那篇讲2026年人形机器人上岗的报道，讲的是这类机器在工厂和机场的一面。

仍然会失败的地方

第一个问题是难以比较。Weiguang Zhao及其同事2026年5月对灵巧手研究的一份综述说，各项研究对机器人、传感器、任务、训练数据和评估采用不同的假设，系统性的比较因此很困难。

第二个是示范与没见过的物体之间的差距。2019年的魔方手在最坏情况的打乱状态上十次里解开了两次，Lin及其同事在新物体上的数字落后于见过的物体，DeepMind报告的五个五指结果中有四个低于50%，全部来自DeepMind自己的测试。《科学·机器人学》那个团队把扭矩、卡住和打滑列为尚未解决的机械问题。

第三个是获取渠道和速度。据The Robot Report 2026年8月2日的报道，DeepMind把Gemini Robotics 2模型及其设备端版本只限于早期访问的合作伙伴，并表示机器人在运动速度上还有更多需要提升的地方。