由 Sarah Xiao 
让机器人挪一个纸箱，它会用夹爪。让一个人挪同一个箱子，他会先抵在胸口，再夹进腋下，腾出一只手去开门。差别不在力气，也不在感知——人把整个上半身当成了一块操作面，机器人没有。
亚马逊、加州大学圣地亚哥分校与密歇根大学的一篇论文——Whole-Body Dexterity（WBD），arXiv 2610.22184——正面处理了这个差距，而且今年就在真机上把大部分差距补上了。
一句话看结果
在真实的 Unitree G1 上，做全身操作任务——把篮球移到肩部、把纸箱夹进腋下、从货架搬到桌上放下——蒸馏后的 WBD 控制器 50 次试成功 45 次，90%。
同一台机器人、同一批任务的基线：
- 直接重定向：18%（50 次中 9 次）。
- 通用全身控制器（SONIC）：4%（50 次中 2 次）。
注意这个对比的性质。这不是仿真排行榜上的 90% 对 4%，而是同一台物理人形机器人上的对比，而且基线大多在第一步就断了——建立稳定支撑这一步。
只用末端执行器，是结构性的上限
三个约束叠在一起，每一个都解释了为什么纯夹爪范式会撞天花板。
力矩。 一个 30 厘米的纸箱握在掌心，质心离腕关节有一整个前臂的距离，腕关节要持续承担这个力矩。抵在胸口，同样的质量被摊到一个接触面上，载荷顺着躯干导走。这不是人学来的技巧，这正是人类本能这么做的原因。
可达空间。 只用手，物体可达位置是以肩为球心的一层壳。允许用腋下、肩部、胸前、后背，物体可以出现在躯干周围的六个方向——包括正前方那块区域，而那恰恰是人搬东西时最常用的位置。
稳定性。 抓取一旦失接触就失败。身体顶住时，短暂失去手臂接触还能靠摩擦和躯干撑住。
底下还有一层”提法”问题。以前的工作说”全身”，指的不是多条手臂协同控制手中的物体，就是持续把重物抱在胸前。两者都没有把接触当作一种可以用任意连杆建立和释放的通用能力。这才是真正的重新定义。
一个让它跑通的思维模型
论文的核心想法很漂亮：人形机器人就是一只指头很少的手。
一只手通过手指步态（finger gaiting）转动一支笔——按顺序安排接触，几根手指支撑、另几根换位。WBD 做的是身体步态：物体从双手前握变成右臂腋下夹持，靠的是安排哪些身体连杆在什么时候支撑它。重定位变成了一连串跨身体区域的重新抓握，而不是一次搬运。
难的地方在于：人形的独立支撑点比手少得多。放开一只手臂，另一只必须先把物体抵在躯干上撑住；换握需要快速重组、滚动或滑动接触。
四步流水线
- 全身抓取生成。 把躯干当成网格并切分成命名分区——因为 G1 的躯干四面都能接触，不分区的优化会让所有接触坍缩到最容易找到的那一面。候选抓取用可微力闭合残差生成，再在仿真里用 4 倍重力加持续力扰动做激进过滤。结果：251 万个仿真稳定全身抓取，物体中心位置在躯干周围平均覆盖 90.1%。
- WBD-EX 专家，任意到任意。 每个物体一个 RL 专家，用 PPO 在目标条件 MDP 上训练，目标只由物体位置 + 握持模式（左臂/双臂/右臂）指定，刻意不告诉它关节位形和物体朝向——逼它自己想办法把东西从一只手交接到另一只手。两个设计细节很要命：目标距离课程从 2 厘米逐步拉到 8 厘米；以及”非活跃手臂必须完全离开物体“的约束，这一条才是逼出完整臂到臂交接（而不是两条手臂一起抱着）的关键。
- 热启动。 先训球体专家，再用它热启动立方体、棱柱、圆柱。这本来是个省 GPU 的决定，但带来质量副作用：从零训练棱柱专家又慢又差。
- 蒸馏成一个控制器。 专家轨迹（27.4 万条轨迹，约 8.73 亿帧）蒸馏为单一策略：条件扩散模型生成关键点运动，逆动力学网络转成关节目标。输入是本体感知 + 一个 5 维物体几何描述符——对数排序的包围盒边长、对数体积、球形度——在真机上用实测尺寸算得。不需要特权物体状态，不需要逐帧物体位姿。
最后这一点，才是真机结果能成立的关键工程决定。在工厂里跟踪物体的精确三维位姿很不可靠；用卡尺能量出来的五个数字描述它，很可靠。
它精确地在哪里失败
论文没有藏接缝，而接缝正是部署决策发生的地方。
- 放置是最弱的一环。 长时序货架任务里，WBD 抓取 9/10、搬运 9/10、取出 9/10——放置只有 7/10。十次里有三次在最后一步失接触。一只把箱子搬了半个车间、最后在桌上放丢了的夹爪，并不算完成任务。
- 物体集合是基本形。 15 个物体：球、立方体、棱柱、圆柱，尺寸 80–240 毫米。袋子、织物、异形铸件、任何会变形或质量会移位的物体都没覆盖。真实纸箱是会变形的。
- 回路里有人。 控制器是交互式运行的，由人类遥操作者给出粗略运动参考来引导。它是”精修器”，不是自主智能体——操作者出大方向，控制器补细节。这是一种合理且有用的分工，但它不是自主。
- 腿被排除在外。 只用手臂和躯干接触。对站立式人形是合理选择，但也意味着地面高度的问题没被触及。
为什么这不止是一个演示
三条含义，按落地先后排。
硬件多了一行规格。 如果躯干是操作面，那么躯干的几何形状、表面摩擦和柔度就成了必须被指定、必须被生产管控的操作参数。一块中间有道 LOGO 缝的光滑塑料外壳，现在算功能缺陷，不算外观问题。这是对人形机器人整机厂的新要求，而且今天任何一份参数表里都没有这一栏。
夹爪的价值再次位移。 纯手部架构下，末端执行器承载了全部操作价值。在 WBD 里，末端只是若干接触点之一，身体负责支撑。商业含义是：灵巧手对精细作业仍然重要，但它不再是”怎么搬动这个重物”的答案。
进步来自提法，不来自模型。 这里没有新的基础模型。增益来自一个决定：把接触而不是抓取当作原语。这和代码即策略那条路给出的教训方向不同，但更便宜——任何有像样 RL 流水线和可用重定向基线的人形团队都能尝试，不需要订阅任何前沿模型。
接下来看什么
诚实的进度尺不是对篮球的 90%。而是：放置环节有没有改善；物体集合能不能从基本形走向真实包装；以及把遥操作者撤出之后成功率会不会塌。
按现有证据，WBD 是一个很强的操作原语，带着一个人工监督和一个宽容的物体集合。
这已经比大多数人形操作宣称能活下来的东西要多——而它的代价是一次提法的改变，不是一台新机器人。
延伸阅读
- 机器人开始把自己的坑写成 Skill——2026 年的另一条路：更强的推理，而不是更好的身体。
- 200 小时变 1 小时：力控齿轮箱压装——已经进入量产的接触密集型操作。
- 绳驱人形 BOM：腱绳改变了什么——驱动架构如何约束躯干能做什么。
- 人形机器人参数表：自由度、载荷、扭矩——要为全身接触新增一列的那些数字。
- 退货比拣货难——不确定条件下的操作遇到付费客户的地方。
资料来源：全部性能数字、数据集规模与流水线细节，出自《Whole-Body Dexterity》，arXiv 2610.22184（Conor Mc Gartoll、An Dang、Pranay Thangeda、Arjun Gupta、Carolina Higuera、Nima Fazeli、Mustafa Mukadam、Manikantan Nambi；亚马逊、加州大学圣地亚哥分校、密歇根大学），2026 年 10 月。硬件：Unitree G1。关于规格、商业与提法的判断为本刊分析。