RSS 2026 时间检验奖：形态即计算，具身智能的「逻辑刹车」已至|抓握|机器人|神经网络|算法

5 块钱的胶水 vs 3 万美金的算力：跨越 10 年的“形态学”降维打击

编辑丨岑峰

颁给“空气”的最高荣誉

当全球具身智能开发者都在卷“百万小时视频数据”和“万亿参数大模型”时，7月15日，在 RSS 2026 的现场，大会却将分量最重的“时间检验奖（Test of Time Award）”，颁给了一只用空气驱动、成本极低、甚至连传感器都没有的软体气动机器人手：《A Novel Type of Compliant Underactuated Robotic Hand for Dexterous Grasping》。

这是RSS大会的传统荣誉，专门颁发给发表至少10年以上、且对机器人社区产生巨大且深远影响的里程碑式论文。如主持人在发言中指出，该论文获奖的原因，是因为它对近几年具身智能与机器人抓握领域带来了颠覆性的启发，对于在座的行业新人而言，这也是一个绝佳的启示：今天所做的看似不起眼的务实研究，完全有可能在10年后绽放为照亮整个行业的灯塔。

具体来说，这篇论文在今天被“重封神”的核心逻辑在于：

1.形态即计算：它证明了机器人不需要精密的视觉重建和复杂的力控算法，通过硬件本身的物理顺应性，在接触物体是就能自动“解开”抓握姿态的数学难题。

2.环境约束利用（ECP）：颠覆了“避障”的传统思维，提倡机器人主动“撞击”世界，利用桌面、墙壁等物理约束完成任务。

3.极致的成本优势：与动辄数十万美金、精密且脆弱的刚性手不同，这只“RBO 手”成本极低，坏了只需要 5 块钱的胶水就能修复。

AI科技评论在悉尼的RSS 2026会场亲历了这场演讲。在现场播放的演示视频中，RBO 机器人手在抓握鸡蛋、豆腐和不规则零件时，控制系统发出的指令完全一模一样。

这意味着硬件的形态学主动承担了计算工作：不同于传统机器人学试图用复杂的力闭锁公式去推演抓握，软体手利用材料的顺应性，直接在物理层面实现了自适应。这是一种“硬件级别的物理编程”。

以下是本次演讲实录，AI 科技评论进行了不改原意的编辑：

物理编程：让硬件替算法去“思考”

Oliver Brock：谢谢 Chris 的介绍。我是 Oliver Brock。能获得这个奖项，我深感荣幸，甚至有些诚惶诚恐，但更多的是激动。我的合作者 Raphael 今天因故未能到场，但我知道他同样狂喜。他给我们发来了一段寄语。

“各位 RSS 的同仁们，大家好！从奥地利向大家致以最诚挚的问候。看到在历经多年沉淀后，我们当年研发的‘RBO手’（RBO Hand）在今天依然能为行业提供解法，我感到由衷的高兴。作为科研工作者，我们追逐的不是财富，而是某种能在世界上留下印记的东西。哪怕这个印记再微小，只要它真切存在过，就是最大的褒奖。因此，获得这个经典论文奖，我格外自豪。”

Raphael 说的那个“微小的印记”，其实分量很重。接下来的几分钟，我将试图解构这个印记背后的核心逻辑。

我认为，Raphael 的这项工作，真正触及并开启了灵巧操作（Dexterous Manipulation）底层底层规律的探索。这是一个很高的评价，且让我带大家打开这枚 12 年前的“时间胶囊”，看看里面藏着怎样的启示。

首先跃入眼帘的，是这个外形略显奇特的机器人手。乍看之下，它甚至缺乏传统机械的科幻感。

请注意视频中的演示：无论是抓握哪种形态的物体，系统发出的控制指令（Actuation Commands）完全一模一样。然而，最终呈现出的抓握姿态（Grasp Posture）却因物体的几何形态而异。

这意味着什么？这意味着硬件的“形态学”主动承担了最终抓握姿态的计算工作！

你的控制算法不需要去精细重建 3D 空间，也不需要费尽心机去计算抓握位姿，硬件本身“免费”帮你把这道数学题给解了。同时，得益于这种极致的物理顺应性，即使抓握极度脆弱的物体（如鸡蛋、豆腐）也完全不在话下。

Raphael 在 2014 年伯克利 RSS 大会上演讲时，其核心目标就极其明确：最大化物理顺应性，并将其与多自由度有机结合，从而在欠驱动状态下榨干机器人的灵巧度上限。

这只手没有传统的电机驱动，而是采用气动方案，结构极度精简。如果切开它的手指（即气动执行器），你会发现里面完全是中空的，本质上就是一个由软硅胶制成的气囊。

但我们在气囊外围嵌入了红色的双螺旋结构，用来抑制径向膨胀；在手指底部，则植入了一层“可弯曲但不可拉伸”的织物。当你向气囊内充气时，它就像人类的手指一样自然弯曲。这种气动驱动非常简单，只要充气，它就会弯曲延伸，动作自然流畅。

沿着这一技术栈，经过长期的迭代，我们团队推出了新一代的 RBO Hand 3。它有力支撑了我们当年的论点：在不需要复杂传感和昂贵算力的前提下，实现鲁棒的内在操作，并对物体的速度、形状、尺寸和重量具备极强的泛化能力。

说到这里，我必须退后一步，向学术前辈表示敬意。顺应性并不是我们发明的，它在机器人行业由来已久。

我所知道的最早贡献可以追溯到 1978 年 Rosie 和 Tommy 的研究，他们当时就做出了一种可以包裹物体的物理夹爪。此后是一段漫长的历史，受限于时间我无法一一列举。另外，与 Raphael 差不多同一时期，Antonio Bicchi 实验室研发的 Pisa/IIT Hand 也走在了类似的路径上。

此外，化学界的跨界襄助也至关重要。2011 年，哈佛大学 George Whitesides 实验室展示了基于软硅胶的抓取器演示，它能轻柔地抓起一枚生鸡蛋。这为软体机器人的工程化铺平了道路。

而第三个决定性因素，源于我们对人类抓握行为的深度解剖。

我们当年专门建了一个全传感器覆盖的实验室，用来分析数千次人类的抓取尝试。比如视频中这个人类从桌上拿起积木的动作：手指首先接触的是桌面，而不是物体本身。随后，手指贴着桌面滑动，直至将物体推入某种特定构型；此时，大拇指充当旋转轴心，其余手指旋转物体，最终完成抓握。

这是一个极其重要的行业洞察：人类真实的抓握逻辑，与当时主流机器人界所崇拜的“纯算法推演”毫无关系！

当时学术界天天在卷“力闭锁”（Force Closure）这样空中楼阁般的数学公式，但真实的抓取在建立力闭锁之前，充满了各种与环境交互的物理接触。这三大基石融会贯通，共同构成了 Raphael 突破性贡献的底色。

我们可以将顺应性对灵巧操作的贡献划分为三个代际：

▎第一代（Level 1）：形态自适应抓取

这甚至谈不上是优雅的灵巧抓握（Grasping），甚至可以用粗暴的扒拉（Grabbing）来形容。在 RBO Hand 1 时期，机器人的动作完全是死板的硬编码脚本，没有任何传感器反馈。它大开大合地去抓各种东西，在当年引起了巨大震动：因为这只手从不害怕触碰桌面，甚至故意让手指贴着桌面滑动，通过主动利用物理接触来降低控制难度。这种故意利用物理接触的行为，我们称之为“环境约束利用”（Exploitation of Environmental Constraints）。

▎第二代（Level 2）：灵巧预赋能（Pre-shaping + Shape Adaptation）

这就是 2014 年这篇获奖论文的核心。这只手是 Raphael 严格按照自己手掌的尺寸等比例打造的。它具备多个自由度，可以提前改变手的构型（预塑形）。正如我开篇所演示的，这只手本身在执行硬件级别的物理计算，通过预塑形，我们实际上是在对硬件进行“物理编程”，定义它随后如何自主适应物体的几何特征。

▎第三代（Level 3）：极限环境约束利用与泛化灵巧操作

这在随后的期刊版本中得到了升华。通过正确地调整自适应顺应性，并以完全可预测、可规划的方式去剥削和利用环境约束，机器人能够完成极度逼真自然的灵巧操作。

这个视频中展示了一段无传感、纯开环内在操作（In-hand Manipulation）。机器人手甚至长着“两个大拇指”，在完全没有视觉和触觉反馈的硬编码状态下，通过不断揉搓翻转物体，在掌心中拼出了实验室的名字“RBO”和柏林工大的名字“TU Berlin”。

这种惊人的鲁棒性不是来自算法的实时闭环反馈，而是内生于硬件的形态和环境约束的规划之中。

Raphael 的工作为我们扫清了迷雾，让我们看清了灵巧操作的底层真理：极大地拥抱顺应性，主动剥削和利用物理环境的约束，才是让机器人抓握走向高鲁棒性、高通用性和泛化落地的唯一正途。

在打开这枚时间胶囊的最后，结合过去几天我们在 RSS 看到的很多报告，我认为这项工作给当下喧嚣的 AI 行业留下了几条极具警示意义的通用启示：

硬件至关重要（Hardware Matters）：我们是机器人专家。当你要与物理世界产生交互时，硬件就是解决方案本身的一部分。试图在软件端用纯算法去绕过硬件的天然缺陷，是极其荒谬的。不要害怕死磕硬件。

模型是多元的（Models Matters）：模型不单单指那些用海量算力堆砌出来的、动辄参数过亿的端到端神经网络。我们提炼出来的“环境约束利用原理”，同样是一种高级的物理架构模型。面对复杂的具身难题，不要把鸡蛋放在一个篮子里。

多样性不可或缺（Diversity Matters）：当下全行业都在盲目跟风同一种大模型路线，这极其反常。面对复杂的亚健康问题，一种模型通吃天下的概率微乎其微，行业需要鼓励发现截然不同的新路径。

抽象层级是解法（Abstractions Matters）：正如物理学分为量子力学、化学元素周期表和天体物理一样，将描述世界的具身难题划分为不同的抽象层级是完全必要的。有人会说：“交给神经网络自己去寻找中间层不就行了？”这很美好，但在此之前，把我们已知的物理规律与结构知识提前注入机器人硬件中，能让我们省掉数亿美金的算力弯路。

生物学提供的是灵感，而非模仿（Biology Inspires）：我们深度解剖了人类抓握，但我们并没有去笨拙地复制人类手的每一个关节或机械外形。我们提炼的是其背后的底层物理原则，并将其转化为机器人的硬科技逻辑。

这就是2014 年这项开创性工作带给我们的启示。谢谢大家！

高精密机械手的“雷区”

与软体手的“流氓实用主义”

主持人：感谢 Oliver。接下来进入圆桌论坛环节。我们邀请了三位在 2014 年该论文发布时，就已经在一线开展研究的资深学者共同探讨。他们是 Matej Karlik、Lucy Leichter 以及 Rudolf Ludwig。我们先从各位的简要评价开始。

Matej Karlik：谢谢 Oliver 的精彩报告。今天早些时候我们刚听完年轻一代学者关于高算力大模型的报告，此时再看这个 10 年前的经典硬件成果，这种对照简直妙不可言。我们可以清晰地看到，当年你们强力注入机器人社区的理念，在 10 年后依然在深刻影响着整个行业。

这篇论文彻底改变了我实验室的研究轨迹。2014 年我刚在哥伦比亚大学建起自己的实验室，当时我也在死磕无传感的顺应性抓取。当看到 Oliver 和 Raphael 的这篇论文后，我的第一反应是：完了，这个方向已经被他们做到头了。硬件形态计算的潜能已经被这篇论文榨干了，几乎没有留下任何可以轻松采摘的低垂果实。于是我被迫转型去做了传感方向，这直接决定了我实验室此后十年的命运。

另外，我看到了这项研究与当下最火热的“具身大模型”之间存在着非常美丽的行业回响。如今大火的模仿学习（Imitation Learning）宣称：如果你只给机器人一次动作演示并让它强行复现，系统会表现得极度脆弱（brittle）。因此，大模型派的主张是搞 50 次、100 次不同角度的演示数据，去大力出奇迹地训练出一个闭环策略（Closed-loop Policy）。

然而，Oliver 10 年前的 RBO Hand 3 在掌心翻转魔方的演示直接打了当下大模型派的脸：哪怕只给一次演示脚本，只要你的硬件具备强大的物理被动顺应性，硬件形态本身就能自动帮你闭环并抹平误差。两个跨越 10 年、表面上南辕北辙的技术栈，在最底层的逻辑上竟然完成了奇妙的交汇。

最后我想对台下的学生说，如何写出一篇能通过时间检验的顶级论文？大家必须去读一读这篇原作。它写得太美了，没有任何枯燥的公式堆砌，而是像讲故事一样引人入胜。

让我引用论文里最震撼的一句话：

“我们用严谨的分析强化了这样一种信念：物理顺应性与欠驱动形态，不仅不会让灵巧抓握变得困难；恰恰相反，它们极大地简化了实现灵巧抓握所需的控制算法。”

这就是思想的力量。

Lucy Leichter：我完全赞同 Matej 的观点。2014 年这篇论文发布时，我正开着著名的 iCub 人形机器人手臂做我的博士论文。iCub 机械手走的是完全相反的极端：极致的学院派重工业设计、密密麻麻的钢丝绳、滑轮和电机，极度昂贵且弱不禁风。我写博士论文的四年里，大部分时间都在痛苦地修理那些断裂的机械肌腱。

当看到 Raphael 在视频里若无其事地开环抓起各种东西，甚至无所顾忌地让手指在桌面上摩擦滑动时，我整个人都震惊了。要知道，在之前的四年里，我把桌面视作世界上最危险的雷区！每次我的高精密机械手靠近桌面，我的手都死死按在紧急停止键（E-stop）上，生怕一丝微小的碰撞力就把几十万的硬件震碎。

这篇论文向行业展示了另一种完全不同的工程活法：你不仅可以建造出敢于频繁触碰环境、利用摩擦力的鲁棒硬件，还能把控制算法的复杂度降到令人发指的地步。

我们当年为了调校 iCub 那 12 个驱动电机的 PID 参数以完成一个简单的抓取，耗费了成百上千个小时。而 Oliver 却说，他们的系统抓什么东西都用同一套开环控制器。我第一次看视频时甚至怀疑这是假的。

这让我彻底转向了“具身认知”（Embodiment）的阵营。在面对工业落地难题时，我们总是习惯在软件和算法上做加法，用极其复杂的控制链路去擦屁股；但实际上，如果你从一开始就选择对的身体构型（Embodiment），底层的工程难题可以用一种极度精简、平民化的方式在硬件层面被直接干掉。

Rudolf Ludwig：大家都在暴露年龄，那我也坦白，这篇论文发表时我正在考虑是否攻读博士学位。虽然我最后没有进入纯硬件研发的方向，但我必须强调，在如今每周有两万篇大模型论文狂轰滥炸的时代，回看这篇经典是每一位具身智能研究者的必修课。

当你读完这篇论文，你会非常清晰地意识到，这绝对不是在拙劣地模仿人类手掌的皮肤或外形。它是用极具穿透力的技术眼光，去拆解人类手掌之所以能高效工作的物理机制，然后把这种“功能图谱”沉淀进硬件的架构中。

论文里有一套极为严谨的抓握分类学。这种分类不是凭空捏造的，而是基于生物学观察，证明了这只极其简单的软体气动手，通过预塑形，完全可以复现人类绝大部分复杂的抓握模态。同时，它还完美通过了测试人手运动极限的 Kampachi 测试。

它不是如今常见的某些大模型论文——“我们搞出了一个新架构，拍几段好看的视频展示一下模型有多伟大就完事了”。它是先定义好工业界对一只手的功能底线期望，然后用严谨的工程逻辑去逐一验证它。这种高品位的论文结构本身就是艺术品，在我的实验室里，这是全体新人的必读文献。

灵魂拷问：

为什么大公司依然执着于刚性五指手？

提问1：这只手被开发出来已经 12 年了，为什么直到今天，它还没有进入千家万户的工业流水线？难道非要我们每个实验室自己去用硅胶手粘一只吗？

Oliver Brock：哈哈，这其实是你们工业界和在座各位的责任，而不是我的问题（笑）。

我们的官方网站上，从购物清单、3D打印图纸到组装视频一应俱全，并且我们保持着高频更新。动手能力强的团队一周就能粘出来。

这只手真正的落地瓶颈，在于它从根本上挑战了传统机器人工程师的底层思维方式。

每一个刚进入我实验室的学生或外部合作者，拿到这只手时，都会固执地沿用他们之前玩刚性大手臂的那套“路径规划、精确避障、避免触碰”的严谨思维去操纵它。这完全南辕北辙了！要玩转这只手，你必须学会“主动去撞击世界”、“主动剥削环境约束”。换句话说，你得换个脑子。

提问2：你认为这种气动控制栈是导致工业界顾虑的根源吗？

Oliver Brock：这取决于你的应用场景。如果你要把它送到外太空，气动确实非常麻烦。但我最近也尝试把它挂在我的十四自由度双足人形机器人上，效果出奇的好。

核心症结在于，气动核心元器件在过去几十年里从未经历过“微缩化”革命。因为它们主要服务于大型自动化工厂的固定管线，行业没有对其进行微缩的动力。实际上，气阀和气道完全可以被做得很小，如果明天工业界需要全面部署，微缩化气动元件很快就能铺满市场。

更重要的一点是：我本人其实根本不在乎它是气动、水动还是电动。我真正誓死捍卫的是硬件的内在物理顺应性。如果你能在电动直驱或者肌腱外壳上，用另一种更聪明的低成本方案帮我实现同样的顺应性，我举双手赞成。

提问3：现在大火的电机直驱执行器（Direct Drive Actuators）能达到类似的物理柔软度吗？

Oliver Brock：非常困难。因为直驱电机依然依赖刚性的传统关节结构，它们最多只能在转轴延伸的方向上表现出算法模拟出来的顺应性，而在其他三维物理维度上依然是硬碰硬的。这根本无法满足真实物理世界泥泞环境下的泛化抓取。

提问4：我有两个问题：第一，既然视频里的内在操作表现得如此震撼，为什么当前市面上那些风头正劲的人形机器人独角兽公司，依然在执着地模仿人类做五指刚性手，而没有一家去量产你们这种顺应性软手？

第二，你们在没有任何传感器的情况下完成了长达 12 分钟的拼字操作。那在你们看来，到底在遭遇什么极限场景时，高密度的传感器才真正具有不可替代的必要性？

Oliver Brock：非常棒的问题。关于为什么大公司不跟进，我也很困惑。

我的一位刚毕业的博士生，就是负责最后那个 12 分钟拼字视频的主要核心作者，最近刚刚成立了一家商业化初创公司，他们目前在尝试将线驱肌腱的微型化与我们的物理顺应性做深度结合。我们非常期待看到线驱顺应性与气动顺应性在一线战场上的成本与效率对决。如果他们成功了，或许能极大地降低大公司的采纳门槛。

说白了，传统的机械思维根深蒂固，大家总觉得硬件坏了就得换零件；而我们的软体手如果破了，工程师只需要掏出一支 5 块钱的硅胶胶水抹一下，就能让它继续干活，这在传统工业界看起来确实有些过于“流氓实用主义”了。

关于第二个传感器（Sensing）的灵魂拷问，这非常有趣。

因为在这类软体顺应性手上，传统的编码器或昂贵的 GelSight 视触觉传感器是根本没法往里塞的，硅胶形变会直接摧毁这些高精密光学元件。

为了解决这个问题，我们团队最近开发了一种极度廉价的替代方案：声学传感。我们直接在空心的手指内部塞进了一个几毛钱的微型麦克风和一个微型扬声器。扬声器在手指内部播放特定频率的声音，当手指触碰物体发生形变、受压或遭遇温度变化时，手指内部的内部空腔声场就会发生调制，麦克风记录下这些变调后的声音，我们通过算法就能以极低的算力反推出接触点、力矩、压力、温度甚至物体的材质属性。

这直接确立了我们下一阶段的研究红线：什么时候才必须引入闭环传感器？

答案是：当物理顺应性的红利被吃光的时候。这是我们在榨干硬件红利后，为了进一步提升工业落地鲁棒性所跨出的下一步。

结语：让智能从身体里“长出来”

2026 年，当我们讨论 AGI 时，我们讨论的是什么？

是英伟达堆叠的 H100 算力，是 OpenClaw 吞噬的 Token，是 Scaling Law 永无止境的直线。

但 RSS 2026 的这篇时间检验奖文章像是红海中的一座灯塔，照亮了另一个可能的方向。它告诉我们，智能不应只是大脑的独角戏，更是身体与物理世界的博弈。

如果一个机器人需要消耗 1000 瓦的算力才能勉强对齐一个杯子的边缘，而一只 150 元的硅胶手只需要“充个气”就能在撞击中完成自适应抓取，那么究竟哪一种才是更高级的智能？

真正的具身智能，不应只是把 AI “装进”机器人身体里，而是让智能从身体里“长出来”。正如 Oliver Brock 所言，抽象层级才是解法。在我们试图用海量算力去“暴力破解”物理常识之前，请先敬畏并利用那些已知的物理规律。

2026 年，智能不再是算力的堆叠。RSS 这篇“时间检验奖”论文告诉我们：如果你的硬件身体足够聪明，你的软件灵魂就能获得自由。

一个人读论文太孤单，一群人刷顶会才好玩。

RSS 2026召开在即，我们正在召集一波含金量极高的 AI 研究者。群内主打实时论文跟踪与硬核技术探讨，拒绝灌水。

进群传送门：扫码进群或添加微信Luyoyo_2026，备注：论文群 + 关注的 AI 方向。