在最新一代灵巧手的设计中，Sharpa主动减少了一个自由度。
9月28日，于美国匹兹堡举办的智能机器人与系统国际会议（IROS）上，Sharpa推出了新一代灵巧手W02。相较于前代产品，其结构更为紧凑、重量更轻，触觉感知范围从指尖扩展至手指和手掌，但主动自由度从22个降至21个。
自由度决定了机械手能独立控制的运动类型数量，也是评估灵巧手性能的关键参数之一。对于一家曾将22个主动自由度集成到人手尺寸结构中的公司而言，这一调整颇具深意。
Sharpa新一代灵巧手W02
与W02一同亮相的，还有通用人形机器人D01和外骨骼数据手套AE01。前者提供全身运动与身体触觉感知，后者用于遥操作与数据采集。结合此前推出的操作模型CraftNet，Sharpa试图将手的设计融入包含感知、控制和技能开发的完整操作流程中。
减少一个自由度，究竟失去了什么，又获得了什么？这需回到机器人执行的任务中去评估。
01. 从22到21，Sharpa再次定义灵巧手的评价标准
自由度是灵巧手最常被拿来比较的指标之一。更多独立控制的运动维度，为机械手提供了更多姿态和动作组合，但也增加了结构与控制的复杂性。这些能力是否能被充分利用，取决于任务对手的要求。
2025年5月，Sharpa推出第一代灵巧手，将22个主动自由度、视触觉与人手构型相结合。这款最初名为Sharpa Wave、现称W01的产品，后来被多家顶尖高校和英伟达的机器人参考方案采用。被外部研发团队使用，也使Sharpa的产品选择开始影响更多团队如何实现灵巧操作。
到了第二代，公司开始重新审视其中一个关节的价值。
W02减少的是小指根部CMC（腕掌关节）自由度。Sharpa前期的应用调研发现，该自由度在常见抓取和手内操作中使用频率较低，主要表现为小指沿自身轴线旋转，对多数实际任务的贡献有限。取消它，可简化小指根部结构，减少潜在失效点。
这一调整主要考虑了稳定性与整手设计的平衡。多一个运动维度，是否值得付出相应的结构、重量和控制成本，需回到实际使用中判断。Sharpa表示，W02的调整也吸收了与多家客户交流的反馈。
Sharpa新一代灵巧手W02
“使用较少”仍受任务范围限制。
常见抓取中的低频动作，在某些特殊操作中可能有用。要判断取消它的代价，需比较同一任务中两代产品的完成情况、失败原因和连续运行表现。减少一个潜在失效点，是结构设计上的考量；整手稳定性改善多少，还需测试结果。
与减少自由度同时发生的，是尺寸和感知能力的变化。据公司介绍，W02整手尺寸相比W01缩小约30%，重量更轻，有助于降低前臂负载。指尖采用高分辨率视觉触觉传感器，手掌及其他区域由电子皮肤覆盖。
Sharpa灵巧手W01与W02对比
尺寸的意义，在操作空间中更容易看清。门把手、餐具、工具，以及大量工作流程，都围绕人手尺寸设计。过大的机械结构，即便具备更多运动能力，也可能难以进入这些环境。
触觉覆盖的扩大，则对应另一个问题：物体与手的接触位置会随动作改变。握住柔软物体，需根据形变调整压力；使用工具时，要兼顾手指位置、接触状态和动作轨迹。接触发生在哪里、物体是否滑动，都会影响下一步动作。新增的感知信息只有及时参与控制，才可能改善操作。
从22到21，Sharpa在保留高自由度运动能力的同时，更看重稳定性、人手尺度与接触感知。 机械结构的复杂程度，并不等同于可处理的任务复杂程度。这一取舍是否合理，要看灵巧手与腕部、手臂协同之后，能否在不断变化的接触中稳定完成连续任务。
这也意味着，灵巧手的竞争可能正从“参数最大化”转向“任务贡献最大化”。 自由度、尺寸、重量和传感能力不再是彼此独立的指标。更重要的是，它们能否在有限的结构和控制成本下，真正转化为任务能力。
对具身智能行业来说，与“谁做得更复杂”相比，“谁能证明每一份复杂度都有用”才是当下的风向标。
02. 接触之后，才是灵巧操作的硬仗
此前，Sharpa的机器人已进入上海一家DQ门店，沿用门店原有的设备、工具和操作流程，参与冰淇淋制作。这类任务要求机器人适应既有工序，也让手的运动能力、尺寸和感知面临同一次检验。
以搅拌为例，机器人需握住纸杯，同时用拇指和食指将金属圈固定在杯口。纸杯会变形，搅拌会改变受力，握得太松容易失稳，太紧又可能压坏杯子。
这里的难点，是让手指、腕部和手臂随着接触变化持续配合。手指维持杯子和金属圈的位置，腕部调整姿态，手臂带动杯子运动，力反馈则参与控制抓握力度。
Sharpa机器人在DQ门店中制作冰淇淋
Sharpa的CraftNet将运动规划与接触控制分层处理。
System 1负责规划整体动作，引导机械手接近物体；System 0则以约100Hz的频率，依据触觉反馈持续微调手和手指的位置。执行状态再反馈给上层，帮助系统修正动作规划。在机器人上，触觉反馈由此参与抓握控制，使机器人能够随着受力变化调整动作。
这套分工对应着不同的处理节奏。整体动作需按工序推进，接触中的变化却可能在动作尚未完成时发生。分层控制让局部调整能够更频繁地进行。
即便感知与控制已接通，机器人也可能在接触变化中失手。 Sharpa团队获CoRL 2026收录的WM-Craftnet研究，将腕部深度、触觉、本体感觉和动作历史融合为持续更新的状态，尝试处理真实传感器噪声，以及物体位置和接触关系的变化。
在W01真机演示中，角块能够连续旋转超过一分钟。部分扰动测试中，系统还能调整抓握，恢复旋转。
研究团队也公开了失败案例，比如，鸭子形物体完成五次旋转后出现侧翻。持续判断接触状态、在失稳后及时恢复抓握，仍是控制系统面临的难题。
03. 定义灵巧操作上限，拼的是整套系统
此次新品延续了对操作空间和接触变化的考虑。
D01采用接近人体尺度的球形腕关节，便于在有限空间内调整姿态；覆盖手臂、胸部等区域的电子皮肤，以100Hz的频率采集触觉信息。据公司披露，D01的最大末端执行器速度超过10.5m/s，重复定位精度为0.2mm。
腕部尺寸关系到手能否以合适的角度接近物体，身体触觉则把感知范围扩展到指尖之外。 操作对象碰到手掌，或手臂受到外力时，控制程序还需判断如何响应，避免局部调整打断正在执行的任务。
接触中的用力方式，也影响机器人如何获取操作技能。AE01通过22个编码器捕捉操作者的自然关节运动，将动作映射到机器人；每个指尖支持256级动态触觉反馈，把抓取力度与接触状态传回人手。操作者可以在看到物体移动的同时，依据接触反馈调整动作，为示教提供与动作相对应的接触信息。
IROS现场的调酒展示采用遥操作方式，操作者佩戴AE01控制D01，依次完成加冰、倒酒、摇酒与出品。另一项演示呈现机器人对手臂、胸部接触的反应。
纸杯变形、物体滑动，都会改变机器人的操作条件。围绕同一任务调整硬件、感知、控制与数据采集，使团队有机会判断问题出在哪个环节：是动作范围不够、接触没有被及时感知，还是控制未能作出有效调整。
如果复杂操作的真正难度，是接触发生之后如何持续感知、判断和纠错，那么灵巧手很难再被视为一个孤立部件。行业的焦点，开始变成由手、身体、触觉、控制和数据共同构成的操作系统。 能否让这些能力在同一个任务里形成闭环，才决定机器人最终能处理多复杂的现实问题。
已有模型与任务经验为新品提供了研发基础，在D01、W02上的适配效果还需通过对应的任务测试验证。
04. 成为顶尖团队的创新起点，才有定义行业的底气
一家机器人公司的技术影响力，也体现在它能为别人的创新提供什么条件。
南洋理工大学的选型经历，说明了研究者如何权衡机械手的能力。在Sharpa官网刊载的访谈中，助理教授Ziwei Wang介绍，团队此前使用的低自由度手，在旋拧、装配中的位置精度和腕指配合上受到限制；另一款手又过大，难以进入齿轮箱的装配空间。最终选择W01，考虑的是精度、内置触觉及配套的模型文件、部署工具和遥操作支持。
他特别提到掌指关节（MCP）的侧向运动：“关键要看是哪个关节，以及它能带来什么动作。”这与W02取消的小指根部CMC是不同的运动能力。对研究者来说，每个关节是否必要，要由手头的任务决定。
选定硬件后，团队还需让这些能力参与控制。南洋理工大学等机构的DexTeleop-0研究，用两条UR7e机械臂和两只W01搭建平台，在人的遥操作指令上加入触觉修正。
7名操作者分别对每种方法、每项任务进行了5次测试。在涉及双臂配合和液体转移的Tube Operation任务中，第3阶段完成率由直接映射动作时的34.29%，提高到77.14%。硬件没有更换，触觉信息的使用方式改变了任务结果。
在南洋理工大学等机构的DexTeleop-0研究中，两只UR7e机械臂末端搭载两只Sharpa Wave灵巧手，将元器件拧入齿轮箱，并将光滑的球体装配到管子上
同一款手也能支撑不同的算法路线。 加州大学伯克利分校、英伟达等机构的CAIP研究，利用人类视频与机器人数据改进视觉模型，W01则为叠衣、抽纸巾等任务提供了双手操作的测试条件。
研究能否开展，也取决于硬件集成的投入。W01配套的SDK、模型文件与遥操作支持，帮助研究者将机械手接入控制程序和仿真环境。
上海交通大学、复旦大学、香港大学等团队的Bench2Dex研究，则将Sharpa手型纳入基于Isaac Lab的仿真评测，与IIWA7机械臂组合，用于双手拼图装配任务。
英伟达则把实验所需的软硬件进一步组合。
今年6月公布的Isaac GR00T人形机器人参考设计，包含宇树H2 Plus、两只Sharpa Wave触觉五指手、Jetson Thor，以及GR00T软件和开发流程，用于数据采集、策略训练和真机验证。研究者可据此搭建配置较为一致的实验。
据英伟达披露，Ai2、苏黎世联邦理工学院、斯坦福机器人中心等机构计划采用，产品计划于2026年末供应。
选型、算法验证和实验集成，决定了一只手能否进入研究流程并持续被使用。 W01已有采用基础，W02仍需回答旧程序如何迁移、新增触觉如何接入，以及同一任务的表现有何变化。D01和AE01提供的整机操作、触觉示教与数据获取，也需在开发者的实际使用中，检验适配成本和任务效果。
Sharpa在美国匹兹堡IROS的展台现场
对一家机器人公司而言，技术影响力也不再是自身能够完成多少任务。只有当硬件、接口和数据能力足够通用，能供其他团队在上面开发新的模型、控制方法和机器人系统，它的技术选择才可能真正变成行业每日调用的基础设施。可复用性才决定了一套技术路线能走得多远。
灵巧操作的竞争，正在把硬件、模型与数据推向更紧密的协同。从22到21这样的产品取舍，也需放在完整任务中理解。关节能做出多少动作、触觉能获取多少信息，最终都要接受同一个检验——机器人能否在接触不断变化的物体时，持续、稳定地完成操作。
全栈研发的价值，体现在这些能力能否共同解决问题。当硬件与模型协同改进，研究成果又能被不同团队采用、验证和继续发展，一家公司的探索才有机会转化为整个行业的积累。
在硬氪看来，灵巧操作的定义权，也将在这一过程中逐渐形成。能够经受真实任务检验、支撑更多人继续创新的技术，才有可能成为行业共同的参照。 对于具身智能而言，这意味着每一次进步，都能为下一次突破留下可用的基础。