機器人終於會用手了！

如果機械人不會用手，那麼同「咸魚」有何區別？隨著「DexNDM」神經動力學模型的誕生，機器人終於從「能動」邁向「能用」，真正學會了「用手幹活」。

總部位於中國的銀河通用（Galbot）宣布，其最新靈巧手模型 DexNDM（Dexterous Neural Dynamics Model）實現了前所未有的突破：首次讓通用靈巧手在任意手掌朝向下，完成多軸、多姿態的物體旋轉與工具操作，成功攻克長期困擾機器人學界的「手內旋轉（in-hand rotation）」難題。

這意味著，機器人不僅能穩穩抓住物體，更能像人類一樣靈巧地拧螺丝、抡锤子、組裝家具。

從「會抓」到「會用」

DexNDM 的出現，標誌著機器人從簡單抓取邁入真正的操作時代。

在該模型的支持下，靈巧手能夠跨越不同形狀、尺寸、材質的物體，完成穩定且連續的旋轉任務——從微小零件到厚重書本，從細長棍狀物到複雜幾何體，皆能自如操控。

更重要的是，DexNDM 能在手掌朝下、朝側等極端姿勢下，完成沿任意軸線的持續旋轉，打破了以往靈巧手「姿態受限」的瓶頸。

這一成果背後的核心，是其關節級神經動力學建模技術（Joint-wise Neural Dynamics Model）。

不同於傳統「整手一體建模」的方式，DexNDM 讓每個關節獨立學習自身的動態變化，通過細粒度的預測實現整手協調控制。這不僅顯著提升了數據利用效率，也讓模型在不同物體與姿態下保持高泛化能力。

自動學習與Sim2Real突破

為了讓模型具備穩定的真實世界表現，銀河通用開發了一套自動化數據收集機制。

靈巧手能在隨機擾動環境下自主生成接觸數據，無需人工重置或干預。這讓系統能在低成本下學習到真實世界的物理特性，進而實現從仿真到現實（Sim2Real）的高精度遷移。

更關鍵的是，DexNDM 不需要成功示例——只憑「分布有偏」的真實操作數據，即可學會穩定控制。這一特性被業界視為靈巧操作領域的「從 0 到 1」突破。

在策略訓練上，DexNDM 採用了「從專家到通才（expert-to-generalist）」的學習流程：

先針對不同形狀與幾何特徵的物體訓練多個專家策略，最終融合成一個統一的通用模型。這讓 DexNDM 能夠在多種物體、任意姿態下保持高效操作，實現真正意義上的跨任務泛化。

靈巧操作：從科研走向生產力

DexNDM 不只是學術突破，更讓靈巧操作從實驗室走向生產線。在實際測試中，該靈巧手能準確完成長達 16 公分物體的空中旋轉，還能穩定操控螺絲刀、錘子、旋鈕等多種工具。

研究團隊更將其策略接入 VR 遙操作系統，操作者只需下達高層指令（如旋轉方向、施力角度），DexNDM 即可自動完成指尖層級的精密動作——解決了人手與機械手自由度不匹配的長期問題。

這也意味著，在未來的裝配線、電子工廠乃至廚房裡，我們可能看到「能轉能敲、能裝能修」的通用機器人。

它們不再只是搬運、分揀的工具，而是真正具備「操作智慧」的勞動單元。 （編輯部）