這項由字節(jié)跳動種子團隊的田佳文、黃立群、崔忠仁、喬景超、徐佳峰、馬曉、任澤宇等研究人員共同完成的研究發(fā)表于2025年9月，論文編號為arXiv:2509.18084v2。有興趣深入了解的讀者可以通過該編號查詢完整論文。

當(dāng)我們伸手去夠櫥柜深處的杯子，或者在狹窄的空間里擰螺絲時，我們的手腕會自然地扭轉(zhuǎn)、彎曲，配合手臂完成各種復(fù)雜動作。這種看似簡單的能力，對機器人來說卻是一個巨大的挑戰(zhàn)。傳統(tǒng)的機器人手腕就像一個笨拙的關(guān)節(jié)，要么太大太重，要么不夠靈活，在狹窄空間里經(jīng)常撞到障礙物。

字節(jié)跳動的研究團隊決心解決這個問題。他們觀察到，無論是家庭服務(wù)、醫(yī)療手術(shù)還是精密裝配，機器人都需要在狹窄、復(fù)雜的環(huán)境中工作?，F(xiàn)有的機器人手腕設(shè)計就像用鐵棍代替人的手腕一樣，雖然結(jié)實但缺乏必要的靈活性。研究團隊提出了一個大膽的想法：能否設(shè)計出一款既緊湊又靈活的機器人手腕，讓機器人在狹窄空間中也能像人一樣自如操作？

經(jīng)過深入研究，他們開發(fā)出了ByteWrist——一款革命性的并聯(lián)機器人手腕。這個設(shè)計的巧妙之處在于采用了三層嵌套的驅(qū)動機制，就像俄羅斯套娃一樣，每一層都有自己的電機，但整體結(jié)構(gòu)卻非常緊湊。更有趣的是，他們還設(shè)計了弧形的連接桿，這些連接桿就像人體關(guān)節(jié)中的韌帶一樣，不僅傳遞力量，還能擴大運動范圍。

為了驗證ByteWrist的實際效果，研究團隊將其集成到了他們的雙臂機器人ByteMini上。這臺機器人擁有22個自由度，包括7自由度的手臂、1自由度的夾爪、1自由度的腰部升降機構(gòu)、3自由度的全向移動底盤，以及2自由度的頭部。整個系統(tǒng)由戴爾T3280計算機控制，配備4.08千瓦時的電池供電。

一、手腕結(jié)構(gòu)的精妙設(shè)計

ByteWrist的設(shè)計理念可以用搭積木來類比。傳統(tǒng)的機器人手腕就像用長條積木一個接一個地連接，雖然簡單但容易倒塌，而且占用空間很大。ByteWrist則采用了完全不同的思路，它更像是一個精密的機械鐘表，所有部件都圍繞中心巧妙地排列。

整個手腕由三個同心圓排列的電機驅(qū)動。第一級電機位于最外層，它的輸出軸連接到第一級驅(qū)動桿，這根驅(qū)動桿通過弧形連接件與平臺相連。第二級電機巧妙地安裝在第一級驅(qū)動桿內(nèi)部，就像套娃一樣，它的輸出連接到第二級驅(qū)動桿。第三級電機則安裝在第二級驅(qū)動桿內(nèi)部，形成了三層嵌套的結(jié)構(gòu)。

這種設(shè)計的巧妙之處在于弧形連接件。如果把傳統(tǒng)的直線連接比作僵硬的木棍，那么弧形連接件就像柔韌的竹子，既能傳遞力量，又能提供更大的彎曲空間。每個弧形連接件都是90度的弧形，加上兩端的直線段，形成了一個優(yōu)雅的曲線結(jié)構(gòu)。

為了增強整個系統(tǒng)的穩(wěn)定性，研究團隊在平臺中心放置了一個支撐球，這個球通過球形關(guān)節(jié)與平臺連接。這就像在一個三腳架的中心再加一根支撐桿，大大提高了結(jié)構(gòu)的剛性，同時又不影響靈活性。

通過控制三個電機的運動，平臺可以實現(xiàn)精確的翻滾、俯仰和偏航運動，就像人的手腕一樣靈活。整個設(shè)計的關(guān)鍵參數(shù)包括：第一層旋轉(zhuǎn)半徑27.35毫米，第二層旋轉(zhuǎn)半徑30毫米，兩層之間的距離27.35毫米，弧形連接件的半徑25毫米。

二、運動學(xué)建模的數(shù)學(xué)基礎(chǔ)

要讓ByteWrist精確運動，就必須建立精確的數(shù)學(xué)模型，這就像為一個復(fù)雜的舞蹈編排精確的舞譜。研究團隊需要解決兩個核心問題：正向運動學(xué)和逆向運動學(xué)。

正向運動學(xué)就像問"如果我讓三個電機分別轉(zhuǎn)動特定角度，手腕平臺會轉(zhuǎn)到什么位置？"這個問題看似簡單，實際上涉及復(fù)雜的幾何計算。研究團隊首先建立了坐標(biāo)系統(tǒng)，將整個手腕的運動分解為可計算的幾何關(guān)系。

他們定義了六個關(guān)鍵點：P1、P2、P3位于弧形連接件與驅(qū)動桿的連接軸上，P4、P5、P6位于弧形連接件與平臺的連接軸上。這些點的位置關(guān)系就像星座中星星的相對位置一樣，通過數(shù)學(xué)公式可以精確描述。

當(dāng)三個驅(qū)動桿轉(zhuǎn)動到特定角度時，弧形連接件會繞著特定軸線旋轉(zhuǎn)。研究團隊通過幾何分析，建立了驅(qū)動角度與平臺姿態(tài)之間的數(shù)學(xué)關(guān)系。由于這些方程是非線性的，他們采用了牛頓-拉夫遜迭代法來求解，這種方法就像逐步逼近目標(biāo)的射箭練習(xí)，每次調(diào)整都讓結(jié)果更接近真實值。

逆向運動學(xué)則是相反的問題："如果我想讓平臺轉(zhuǎn)到特定姿態(tài)，三個電機應(yīng)該轉(zhuǎn)動多少角度？"這個問題對于機器人控制至關(guān)重要，因為操作者通常知道想要的最終姿態(tài)，需要系統(tǒng)自動計算出電機的控制指令。

為了實現(xiàn)精確控制，研究團隊還需要計算雅可比矩陣，這個矩陣描述了電機角度的微小變化如何影響平臺姿態(tài)的變化。他們采用數(shù)值方法計算雅可比矩陣，通過大量測試確定最優(yōu)的步長為0.001弧度，這個步長在計算精度和數(shù)值穩(wěn)定性之間取得了最佳平衡。

三、運動范圍與性能驗證

為了驗證ByteWrist的實際性能，研究團隊設(shè)計了一系列嚴(yán)格的測試。首先是運動范圍測試，他們讓手腕沿著一個圓形軌跡運動，這個軌跡的半徑接近手腕的最大運動能力。

測試結(jié)果顯示，ByteWrist可以在滿足約束條件β²+γ²<0.72的范圍內(nèi)自由運動，其中β代表俯仰角，γ代表翻滾角。為了直觀展示這個能力，研究團隊讓手腕沿著β²+γ²=0.68的圓形軌跡運動，同時保持偏航角為零。

在不同的運動速度下，手腕表現(xiàn)出了良好的跟蹤性能。當(dāng)運動周期為4秒時，跟蹤誤差僅為0.064弧度；當(dāng)周期縮短到2秒時，誤差增加到0.127弧度；而在高速運動（周期1秒）時，誤差達到0.247弧度。這種誤差主要來自通信延遲和計算延遲，約為0.06秒。

這些測試結(jié)果表明，ByteWrist在低速精密操作中表現(xiàn)優(yōu)異，在高速動態(tài)應(yīng)用中需要考慮延遲補償。對于大多數(shù)實際應(yīng)用場景，如家庭服務(wù)和精密裝配，這樣的性能已經(jīng)完全滿足需求。

四、狹窄空間操作能力對比

為了驗證ByteWrist在實際應(yīng)用中的優(yōu)勢，研究團隊設(shè)計了一個極具挑戰(zhàn)性的對比實驗。他們制作了一個透明的手套箱，尺寸為1000×500×600毫米，前面板上有兩個直徑200毫米的操作孔，孔心距離500毫米。這個設(shè)計模擬了現(xiàn)實中的狹窄操作環(huán)境，比如櫥柜內(nèi)部或設(shè)備維修空間。

在手套箱內(nèi)部，研究團隊放置了九個不同的抓取目標(biāo)：一個塑料娃娃、一只毛絨熊、一朵浴花，以及六個甜甜圈玩具。這些物品被故意放置在不同的位置，有些靠近操作孔，有些則位于箱子深處的角落，形成了不同難度等級的抓取挑戰(zhàn)。

實驗規(guī)則很簡單：機器人需要將雙臂伸入手套箱，抓取所有九個物品并放入藍色收納籃中。每次抓取完成后，機器人手臂必須返回初始位置，然后開始下一個抓取任務(wù)。整個過程中，機器人的腰部和移動底盤保持固定，只能依靠手臂和手腕的靈活性完成任務(wù)。

搭載ByteWrist的ByteMini機器人在這個測試中表現(xiàn)出色。它成功抓取了所有九個物品，總用時234秒。具體來說，抓取塑料娃娃用時20秒，毛絨熊49秒，浴花21秒，六個甜甜圈玩具分別用時22、38、23、17、27、17秒。

為了對比，研究團隊使用了配備Kinova Gen3機械臂的雙臂機器人進行相同測試。Kinova Gen3同樣采用7自由度SRS配置，但手腕部分使用傳統(tǒng)的串聯(lián)結(jié)構(gòu)。結(jié)果顯示，Kinova機器人雖然也能完成所有抓取任務(wù)，但總用時達到476秒，幾乎是ByteMini的兩倍。

分析Kinova機器人用時較長的原因，主要有三個方面。首先是手臂角度調(diào)整幅度更大。由于串聯(lián)手腕的旋轉(zhuǎn)范圍限制，Kinova機器人在抓取某些物品時需要將整個前臂退出手套箱，調(diào)整姿態(tài)后再重新進入，這個過程非常耗時。其次是夾爪相機位置問題。Kinova機器人的夾爪相機在某些抓取動作中會與手套箱內(nèi)壁發(fā)生碰撞，必須先將相機移出箱外才能繼續(xù)操作。最后是輕微碰撞的影響。由于前臂較長且采用串聯(lián)結(jié)構(gòu)，Kinova機器人在操作過程中偶爾會與手套箱發(fā)生碰撞，需要時間調(diào)整和恢復(fù)。

這個對比實驗清楚地展示了ByteWrist在狹窄空間操作中的顯著優(yōu)勢。其緊湊的設(shè)計和靈活的運動能力，使機器人能夠在受限環(huán)境中更加高效地工作。

五、雙臂協(xié)作與柔性物體操作

ByteWrist的真正價值在復(fù)雜的雙臂協(xié)作任務(wù)中得到了充分體現(xiàn)。研究團隊將ByteMini機器人應(yīng)用于GR-3大規(guī)模視覺-語言-動作模型的數(shù)據(jù)收集和模型驗證中。GR-3是一個先進的人工智能模型，專門用于理解和執(zhí)行復(fù)雜的機器人操作任務(wù)。

在這個應(yīng)用中，ByteMini需要完成一個極具挑戰(zhàn)性的任務(wù)：給衣服穿上衣架并掛到橫桿上。這個看似簡單的日常動作，對機器人來說卻是一個綜合性的挑戰(zhàn)，需要精確的雙臂協(xié)調(diào)、對柔性物體的精細操作，以及在胸前狹窄空間內(nèi)的靈活運動。

整個操作過程包含多個連續(xù)步驟。首先，機器人用左手夾爪抓取衣架，這需要精確的力度控制，既要抓穩(wěn)衣架，又不能損壞它。接著，兩只手臂需要協(xié)調(diào)配合，將衣服的左肩部分套到衣架上。這個步驟特別困難，因為衣服是柔性的，會隨著機器人的動作發(fā)生變形，而且操作空間位于機器人胸前，手臂活動范圍受限。

完成左肩穿戴后，機器人需要將衣架從左手轉(zhuǎn)移到右手，這個交接動作需要兩只手臂在狹小空間內(nèi)精確配合。然后，機器人繼續(xù)用雙臂協(xié)作，將衣服的右肩部分也套到衣架上。最后，機器人需要抓起整個衣服-衣架組合體，將其掛到橫桿上。

在這個復(fù)雜的操作過程中，ByteWrist的優(yōu)勢得到了充分發(fā)揮。其緊湊的設(shè)計使得兩只手臂可以在胸前狹窄的空間內(nèi)靈活運動，而不會相互干擾。高精度的運動控制確保了對柔性衣物的精細操作，避免了拉扯或損壞。強大的結(jié)構(gòu)剛性保證了在處理衣架重量時的穩(wěn)定性。

更重要的是，ByteMini機器人不僅成功完成了這個任務(wù)，還參與了長達116小時的數(shù)據(jù)收集工作。這些數(shù)據(jù)被用于訓(xùn)練GR-3模型，使其能夠?qū)W習(xí)和理解復(fù)雜的機器人操作技能。經(jīng)過訓(xùn)練后，GR-3模型已經(jīng)能夠指導(dǎo)機器人完全自主地完成衣服掛裝任務(wù)，無需人工干預(yù)。

整個操作過程展現(xiàn)出了顯著的擬人化特征。機器人的動作流暢自然，就像一個熟練的人在整理衣物一樣。這種擬人化不僅提高了操作效率，也使機器人更容易被人類接受和信任。

六、技術(shù)創(chuàng)新與突破

ByteWrist的成功不是偶然的，它代表了機器人手腕設(shè)計領(lǐng)域的幾個重要突破。首先是結(jié)構(gòu)創(chuàng)新，三層嵌套的并聯(lián)驅(qū)動機制是一個全新的設(shè)計理念。傳統(tǒng)的并聯(lián)機構(gòu)通常將所有驅(qū)動器放置在基座上，通過長桿傳遞動力，這種設(shè)計雖然剛性好，但體積大。ByteWrist將驅(qū)動器分層嵌套，每層負責(zé)一個自由度，大大減少了整體體積。

其次是弧形連接桿的應(yīng)用。大多數(shù)并聯(lián)機構(gòu)使用直線連接桿，這種設(shè)計簡單但限制了運動范圍。ByteWrist采用弧形連接桿，不僅優(yōu)化了力傳遞路徑，還擴大了有效運動范圍。這種設(shè)計靈感來自于人體關(guān)節(jié)的生物力學(xué)原理，體現(xiàn)了仿生學(xué)在機器人設(shè)計中的應(yīng)用。

第三個創(chuàng)新是中心支撐球的設(shè)計。這個看似簡單的組件實際上起到了關(guān)鍵作用，它通過球形關(guān)節(jié)與平臺連接，在不影響靈活性的前提下顯著提高了結(jié)構(gòu)剛性。這種設(shè)計解決了并聯(lián)機構(gòu)中常見的剛性不足問題。

在控制算法方面，研究團隊也有重要貢獻。他們開發(fā)的數(shù)值雅可比矩陣求解方法，通過優(yōu)化步長選擇，在計算精度和數(shù)值穩(wěn)定性之間找到了最佳平衡。這種方法為類似的并聯(lián)機構(gòu)控制提供了有價值的參考。

運動學(xué)建模的完整性也是一個重要成就。研究團隊不僅建立了正向和逆向運動學(xué)模型，還通過大量仿真驗證了模型的準(zhǔn)確性。這些模型為ByteWrist的精確控制奠定了堅實的理論基礎(chǔ)。

七、性能優(yōu)勢與應(yīng)用前景

通過全面的實驗驗證，ByteWrist展現(xiàn)出了多方面的性能優(yōu)勢。在緊湊性方面，其體積比傳統(tǒng)串聯(lián)手腕減少了約40%，這使得機器人能夠在更狹窄的空間中工作。在剛性方面，并聯(lián)結(jié)構(gòu)和中心支撐球的設(shè)計使其承載能力比同體積的串聯(lián)手腕提高了約60%。

在運動精度方面，ByteWrist在低速操作中的定位誤差小于0.1毫米，完全滿足精密裝配的要求。在動態(tài)響應(yīng)方面，雖然存在約0.06秒的延遲，但對于大多數(shù)應(yīng)用場景來說是可以接受的。

ByteWrist的應(yīng)用前景非常廣闊。在家庭服務(wù)領(lǐng)域，它可以幫助機器人在狹窄的櫥柜中整理物品，在緊湊的廚房空間中協(xié)助烹飪。在醫(yī)療領(lǐng)域，其精確的運動控制和緊湊的設(shè)計使其非常適合微創(chuàng)手術(shù)和康復(fù)治療設(shè)備。在工業(yè)制造領(lǐng)域，它可以用于精密裝配、質(zhì)量檢測和維護作業(yè)。

特別值得關(guān)注的是其在人機協(xié)作中的潛力。ByteWrist的擬人化運動特征使得人類更容易理解和預(yù)測機器人的行為，這對于安全的人機協(xié)作至關(guān)重要。隨著協(xié)作機器人市場的快速發(fā)展，這種特性將變得越來越重要。

在未來的發(fā)展中，研究團隊計劃進一步優(yōu)化結(jié)構(gòu)參數(shù)以擴大運動范圍，同時探索更輕量化的設(shè)計和更可靠的電氣布線方案。這些改進將使ByteWrist在更多應(yīng)用場景中發(fā)揮作用。

說到底，ByteWrist不僅僅是一個技術(shù)產(chǎn)品，更代表了機器人技術(shù)發(fā)展的一個重要方向。它證明了通過創(chuàng)新設(shè)計和精密工程，我們可以讓機器人變得更加靈活、高效和人性化。隨著這種技術(shù)的不斷完善和推廣，我們有理由相信，未來的機器人將能夠更好地融入我們的日常生活，成為真正有用的助手和伙伴。

這項研究的成功也體現(xiàn)了跨學(xué)科合作的重要性。機械設(shè)計、控制理論、計算機科學(xué)和人工智能的結(jié)合，創(chuàng)造出了這樣一個優(yōu)秀的產(chǎn)品。這為未來的機器人研究提供了寶貴的經(jīng)驗和啟示。

Q&A

Q1：ByteWrist相比傳統(tǒng)機器人手腕有什么優(yōu)勢？
A：ByteWrist采用三層嵌套的并聯(lián)驅(qū)動機制，體積比傳統(tǒng)串聯(lián)手腕減少約40%，承載能力提高約60%，定位誤差小于0.1毫米。在狹窄空間操作實驗中，搭載ByteWrist的機器人完成任務(wù)的時間比傳統(tǒng)Kinova機器人快一倍，展現(xiàn)出更高的靈活性和效率。

Q2：ByteWrist能應(yīng)用在哪些實際場景中？
A：ByteWrist適用于家庭服務(wù)（櫥柜整理、廚房協(xié)助）、醫(yī)療領(lǐng)域（微創(chuàng)手術(shù)、康復(fù)治療）、工業(yè)制造（精密裝配、質(zhì)量檢測）等多個場景。特別是在需要雙臂協(xié)作和精細操作的任務(wù)中表現(xiàn)優(yōu)異，如衣物整理等日常生活場景。

Q3：ByteWrist的運動范圍和精度如何？
A：ByteWrist可在β²+γ²<0.72的約束范圍內(nèi)自由運動，在低速操作中定位誤差小于0.1毫米。在不同運動速度下，當(dāng)周期為4秒時跟蹤誤差僅0.064弧度，完全滿足精密操作需求。系統(tǒng)存在約0.06秒的通信和計算延遲，但不影響大多數(shù)實際應(yīng)用。