Fingers as Legs：一只市售五指手，学会靠自己的手指走路

一只市售五指手，能靠自己的手指走路吗？

美剧《阿达一族》里有一只叫 Thing 的手，它不接在任何躯体上，自己爬出抽屉、自己传信递物。瑞士苏黎世联邦理工（ETH Zurich）软体机器人实验室的新论文以这个形象开篇，然后真的把一件听起来同样荒诞的事做成了：一只摆上货架的市售五指机械手，被训练成会靠自己的手指走路、起身、按键盘、推箱子的移动操作器。

约束是三个"不动"。不修改手指运动学，不碰厂商出厂的位置控制器，不加轮子或支腿。唯一加在手上的，是一块 80 克的背部模块，里面装着一块 Raspberry Pi Zero 2 W 小电脑、一枚 BNO085 惯性测量单元和一块四节锂电池。加上这些，整只手的重量从 738 克变成 818 克，电源与计算全部自带。物理上它必须自己站稳、自己保持平衡，没有任何外部支架可以借力。

反常之处在于用途错位。这 20 个关节长成现在这样，是为了抓握：拇指与四指对握、指尖捏取。现在同一个指尖要扛住 818 克体重，在橡胶垫、地毯、木地板、瓷砖、花纹钢板、金属格栅、硬地球场、沥青、干水泥、切石、风化石、人造草坪、草地、碎石共 14 种室内外表面上爬行，还要在自支撑的姿态下用一根手指按键盘、用同一组手指推箱子。Fingers as Legs

官方项目页有一段 2 分 38 秒的研究影片，标题叫"从第一步到自支撑交互"。SRL 项目页 下面是论文开篇的 Fig. 1：

图注：顶部 14 张子图是同一只手在 14 种地面上的爬行演示，从橡胶垫、地毯、木地板到风化石、草地、碎石。底部左侧是完成一关 Sokoban 所需的 12 次按键序列，底部右侧是手接近并推动方块的连续截图。14 张对应 14 种地面，不是 14 种步态。Fingers as Legs

等一下，"手指当腿"这个念头本身并不新鲜。2008 年德国航天中心的 DLR-Crawler 就用六根灵巧手手指拼成过一只六足爬行机器人。既然 18 年前就有人做过，为什么作者还要把这件事重新做一遍？因为此前的每一代，都避开了同一个真正难的环节。下一章说清楚这个环节是什么。

手不是腿："手指当腿"为什么难，旧路为什么不够

难点不是平衡。虽然让指尖撑住全身、保持不倒也确实不容易，但真正让这个问题迟迟没人做成的，是协调。

现代四足机器人的步态，几乎都建立在"双腿镜像"这个几何前提上。以 CoRL 2022 的 Walk These Ways 为代表的范式，用一组相位变量显式编排每只脚何时着地：trot 是对角脚两拍内同时落地，bound 是前后脚交替。Raibert 启发式再根据身体速度与接触时刻，算出每只脚在地面平面上的目标落点。整套机器依赖一件事：左右两排脚一一镜像对称。Walk These Ways

拟人手没有这种镜像。论文作者在相关工作一节里点破：一只长着对置拇指和四根不等长手指的手，"没有这样的镜像"。拇指一根独大，与它相对的食指、中指、无名指、小指长短各异、朝向各异。相位编排的前提在这里根本不成立，所以四足那套奖励函数没法直接搬过来。

更大的坐标系也是如此。一篇 2025 年的人形机器人综述，把"运动-操作"任务分成三类：纯操作、边运动边操作、全身运动-操作。HLM Survey 本论文落在第三类里最极端的格子：没有躯干、没有手臂，全身就是五根手指，同一组手指既要撑地产生运动，又要按键和推物。

在此之前，"手指当腿"其实走过三条路，每条都绕开了"保留市售不等长手指"这个前提。第一条路是 2008 年的 DLR-Crawler：它不把整只手当腿，而是把 DLR-Hand II 的六根手指模块拆出来，对称地装在六边形机身外围，拼成一只六足机器人，用阻抗控制和生物启发的 Cruse 步态爬行。手指在这里被当作对称的腿阵列，而不是一只不对称的手。DLR-Crawler

第二条路是 2026 年 1 月发表在 Nature Communications 上的 A detachable crawling robotic hand。Gao 团队干脆重新设计了形态：所有手指完全相同、可以双向弯曲、可以脱开机械臂独立当爬行器用，步态用遗传算法加 CPG 振荡器优化。对称性不是靠奖励凑出来的，而是靠重新造手获得的。Gao 2026

还有第三条路：2023 年 Sun 等人的工作已经证明，强化学习能让一组可重构肢体同时学会行走和操作，把"走路"重新表述成"对地面做操作"。但那条路的硬件同样是特制的可重构模块。Sun 2023

三条路殊途同归：要么把手指拆成对称阵列，要么造一副对称的手。从没有人把货架上那副天生的不对称手原封不动地留下来，让学习算法去适应形态。这篇论文补上的正是这个空位。

但它必须先回答另一个问题：仿真里学出来的东西，凭什么在真机上也走得起来？

先让仿真可信：818 克自包含与按真机标定的训练场

先说平台本身。整只手 818 克，其中市售 WUJI 手 738 克，背部模块 80 克。策略网络以 50 Hz 的频率在 Raspberry Pi Zero 2 W 上推理，输出 20 个关节的位置增量，由厂商内置的位置控制器跟踪执行。游戏手柄的 2.4 GHz 链路负责发命令，Wi-Fi 不进控制回路。整条链路里没有机外算力，也没有机外电源。

但训练还得在仿真里进行：四个策略全部在 NVIDIA Isaac Lab 里用 PPO 训练，4096 个环境并行，物理 200 Hz、控制 50 Hz。仿真最怕的不是画质差，而是不真实。在仿真里学到的平衡技巧，真机上因为一根弹簧的刚度不同就全部失效。因此作者做了一件朴素但关键的事：把真机测出来的响应参数，一行行写进仿真。

论文 Table II 给出五项实测标定。关节刚度相对出厂值平均缩放 18.7±2.5 倍，指尖动摩擦系数 0.88，闭环延迟约 19 毫秒，滤波后的关节速度上限屈伸 2.8、外展 2.5 rad/s，命令滤波截频 3 Hz。测完标定，再叠加域随机化：指尖摩擦、关节力矩、负载质心、手掌质量、IMU 漂移都在一定范围内抖动。这样训练出来的策略，面对的不是一个精确的仿真，而是一整片"真机可能落在其中"的仿真区间。Fingers as Legs

这条"先把硬件量进仿真"的路子有明确的谱系。2018 年 Tan 等人在四足机器人 Minitaur 上做过同样的事：拆机称重、实测电机摩擦、把底层控制延迟和策略推理延迟建模进仿真，再做动力学随机化。当年策略跑在 Jetson TX2 上，今天换成了 Raspberry Pi Zero 2 W。当年的仿真器是 PyBullet，今天是 Isaac Lab。配方没有变：量真机，灌仿真，再随机化。Tan 2018

图注：左 (a) 是背部模块实拍，标注 1 号 Raspberry Pi Zero 2 W、2 号 BNO085 惯性测量单元、3 号四节锂电池。右 (b) 是 Isaac Sim 中的对应模型，五指撑地形成支撑多边形，手掌上叠着三色轴标注的控制帧 V。Fingers as Legs

训练的其余部分是常规配置。PPO 是 2017 年提出的策略梯度算法，负责优化PPO。Isaac Lab 是 NVIDIA 的 GPU 并行仿真框架Isaac Lab。actor 是隐藏层 512、256、128 的小号 MLP，critic 训练时额外拿到机身状态、关节力矩与指尖接触力。

训练场可信了，剩下的问题就一个：奖励到底该怎么写，才能在五根长短不一的手指上走出步态？

教不对称的手走路：奖励不按时间，按位置

先处理坐标系。手掌贴在桌面上时天生带一个倾斜角，如果所有目标和命令都写在"被重力拉平"的世界坐标里，手一歪，几何关系就全部失真。作者定义一个 stance-calibrated 的帧 V：在仿真里挂上背部模块，让手在自然姿态下沉到稳态，记录这个姿态，去掉手掌的初始倾斜，把前进方向对齐到"食指到小指"的方向。之后所有命令和指尖位置都在 V 里表达，V 跟随身体旋转，不被重力拉平。Fingers as Legs

坐标系就位后，就是全文最核心的 footprint objective。五根手指，每根有自己的站位：每次 episode 开始时捕捉一次指尖位置作为目标，之后固定。奖励惩罚每根指尖离开站位的距离，但三个方向的惩罚力度不一样：前后方向只有 0.25，左右和上下方向是 1。

$$r_{fp} = \sum_{j=1}^{5} (p_j - p_j^)^\top W,(p_j - p_j^), \quad W = \mathrm{diag}(0.25,,1,,1)$$

这个各向异性的惩罚，物理直觉是一组松紧不一的橡皮筋。想象每根手指尖拴着一根橡皮筋，橡皮筋的另一头系在一个跟随手掌移动的小桩上。朝前后方向，橡皮筋很松，想迈步几乎感觉不到阻力。朝左右和上下方向，橡皮筋绷得很紧，一乱摆就被拽回来。约束只剩一条：别离开站位太远。至于哪根手指、在什么时候、迈多大步子，奖励一概不管，全交给策略自己摸索。这正是"按位置回拉"与"按时间分配相位"的根本分野：传统范式规定每一步的时机节奏，footprint 只规定每根手指属于哪里。项目页把这套损失的通俗写法直接挂在页面上：每根手指的代价是 0.25 乘前进方向位移的平方，加左右、上下方向位移的平方，五根手指的代价总和以负 30 的权重进入奖励。SRL 项目页

两种范式摆在一起看：

步频也不能完全放任。只靠站位奖励，策略可能学出很慢很懒的步子。于是论文加了 lift objective：命令速度被映射成步频，0.02 到 0.16 m/s 对应 1 到 3.5 Hz。空中的手指如果按这个节奏抬起，就得到奖励。节奏对不上的，没有奖励。关键在于策略永远看不到那个步频变量，它只知道"这样抬有好处"。所以这是引导，不是显式同步，抬哪根手指、何时抬，仍是策略自己说了算。论文 Fig. 3(b) 里那些同频不同相位的高度曲线，正是策略自行错开每根手指抬落时刻的结果。另有一条 direction objective：只有空中未触地的手指，才惩罚它逆着命令方向摆动。Fingers as Legs

图注：左 (a) 五个指尖圆环代表各自的目标站位，旁边的弹性示意表达"前后松、左右上下紧"的刚度之比，这只是奖励的可视化，不是传感器信号或控制律。右 (b) 是空中手指的高度时序，多根曲线同频但相位错开，因为抬哪根手指由策略自己决定。Fingers as Legs

四个任务最终各自训练独立策略：爬行、起身、按键盘、推箱各一套，共用同一套 actor-critic 框架。拆开的主要原因是输入差异太大：按键盘要喂"按哪个键"和指尖位置，推箱要喂物体位置。拆成四份，每份的任务专属输入都简单得多。

这套"按位置回拉"的配方，在仿真里交出的成绩是：比一份认真调过参的四足奖励更快。下一章看这两组数字，以及真机上的四项技能。

做到了吗：仿真更快，真机上能爬能起能按能推

仿真对照的基线不是随手拉来的。作者先从 Isaac Lab 的 ANYmal-D 四足速度跟踪任务改出一版原厂奖励，再认真调参：在两个随机种子上扫 24 组奖励权重，选出最好的 3 组，再在 6 个全新种子上评估，这叫 tuned stock。这是作者按固定搜索流程认真调过的四足式基线；以下结论只说明它在该基线与这套评估协议下更优。

自家的 formulation 与这份 tuned stock 相比：任务速度平均快 0.65 cm/s，95% 置信区间 [+0.26, +1.02]，12 个种子中 10 个胜出。横向再验证一次：把 footprint 从自家配方里拿掉，速度立刻掉 0.79 cm/s，95% 置信区间 [+0.37, +1.19]。更有意思的是接触姿态：自家配方的非指甲侧（pad 侧）参与度比 tuned stock 高 0.35，而 tuned stock 的触地参与度其实并不低，只是几乎全是指甲尖着地。参与度高本身没意义，还要看用什么姿势触地。Fingers as Legs

别急着给这 0.65 cm/s 鼓掌。绝对速度上它微不足道：这只手在真机上的平均路径速度只有 0.093 m/s，是 21 条轨迹的均值，论文没给标准差。这个数字的意义不在快，而在同一副硬件、同一个任务上，为不对称形态设计的奖励系统性胜过硬凑出来的通用奖励，而且给出的步态用的是指腹落地这样体面的姿势。

真机上的结果分四块。爬行：14 种表面全部演示成功，从室内瓷砖到河边的风化石。起身：25 次试验成功 21 次，84%，仿真里是 32 次成功 28 次。按键盘：32 个连续命令正确按出 29 个，90.6%，正确按压的中位延迟 0.25 秒，整段 72.5 秒无需重新对齐，还顺带完成了 Sokoban 一箱 9 步、两箱 12 步的最优解。这里要说明白：论文只演示了最优解步数，没有给成功率，它是能力演示而不是鲁棒性分数。推箱：15 次、目标距离 10 到 40 厘米，平均末端误差 17 毫米，范围 5 到 37 毫米，而箱子边长 40 毫米，误差不到半个箱宽。SRL 项目页

户外那一格尤其值得停下看：

图注：苏黎世利马特河畔的风化石地面上，这只手以爬行姿态移动，背景里有电车与历史建筑。单帧不能证明全程无拖线，但这一幕把 14 种地面的室内演示搬到了户外实景。SRL 项目页

任务侧重上，它与 Gao 2026 那只是互补的：这篇是爬行到位后停下来操作，Gao 那只是爬行中抱着物体继续走。一个是先到再做，一个是边走边做。Gao 2026

但就在这些漂亮的数字旁边，转向已经露出了不对称的尾巴：不干预时，这只手会以约每秒 6 度的速率向右自漂。闭环转向 ±15 度都能到位，30 度右转也能到，唯独 30 度左转失败。这个细节是下一章伏笔：它走通了一大步，也正好停在一道边界上。

它走通了哪一步，又停在哪一步

论文在结尾老老实实列了四条局限。Fingers as Legs

第一条是转向。30 度左转失败，作者给出的解释是：用来抵消右漂的那个恒定偏置，叠加到左转命令上，把命令推到了训练范围之外。这是作者的推想，不是机械测量，但现象本身清楚：这只手在转向能力上是不对称的。

第二条是键盘对齐仍然要靠人工。操作员必须在固定键盘上先试按几下、对齐好按键位置，才能开始发命令，人一离开就要重新对齐。第三条是推箱依赖头顶相机，相机的工作空间有多大，这只手能推多远就有多大。第四条顺理成章：没有机载感知。作者明确写道，视觉注册可以自动化键盘对齐，机载的手与物体跟踪可以让推箱走出相机工作空间。

那么该给这篇论文一个什么样的判断？它的价值不在那 0.65 cm/s，也不在 90.6% 的按键命中率。它把"手指当腿"的硬件前提从"特制"解放成了"市售"：2008 年要用实验室级别的专用手指模块拼六足，2026 年还要重新设计对称的手，而这篇论文证明，货架上买得到的、天生不对称的拟人手，配上 80 克模块和一套按位置写的奖励，就能自己学会走路、起身、按键、送箱子。"商用现成形态 + 奖励自适应"这条路，第一次被走通到可演示级别。

还记得开篇那张 14 种地面的图吗？现在你知道了它背后的代价：每一次迈步，都是策略在五根长短不一的手指上重新分配体重。每一次按键，都是把整只手的重心压在一根手指尖上。而它停下的地方，同时标出了下一公里的施工图：让它自己看路。

眼前已经有值得期待的对标。Gao 2026 的那只手已经能完成脱开机械臂、爬出去、抓东西、爬回来、重新对接的闭合循环。装上眼睛之后，这只手能不能完成同样的闭环？多只手能不能协同？"不对称形态 + 按位置回拉"这套配方，又能不能搬到非拟人形态上去？论文没有回答这些，但它把这些问题从"不可能"挪进了"可以想"的范畴。

想深入可以读原文：Fingers as Legs: Learning Self-Supported Locomotion and Manipulation with an Anthropomorphic Hand — arXiv:2609.17172

参考文献

• Fingers as Legs（锚论文，ETH 软体机器人实验室）：https://arxiv.org/abs/2609.17172
• Fingers as Legs 官方项目页（Soft Robotics Lab, ETH Zurich）：https://srl-ethz.github.io/website-fingers-as-legs/
• Gao et al., A detachable crawling robotic hand（Nature Communications, 2026）：https://www.nature.com/articles/s41467-025-67675-8
• Sun et al., Bridging Locomotion and Manipulation Using Reconfigurable Robotic Limbs via Reinforcement Learning（Biomimetics, 2023）：https://www.mdpi.com/2313-7673/8/4/364
• Görner et al., The DLR-Crawler（IROS 2008）：https://elib.dlr.de/55661/
• Tan et al., Sim-to-Real: Learning Agile Locomotion For Quadruped Robots（RSS 2018）：https://arxiv.org/abs/1804.10332
• Margolis & Agrawal, Walk These Ways（CoRL 2022）：https://arxiv.org/abs/2212.03238
• Schulman et al., Proximal Policy Optimization Algorithms（2017）：https://arxiv.org/abs/1707.06347
• Mittal et al., Isaac Lab（NVIDIA, 2025）：https://arxiv.org/abs/2511.04831
• Gu et al., Humanoid Locomotion and Manipulation（综述, 2025）：https://arxiv.org/abs/2501.02116