TARS携DexHand平台亮相ICRA 2026机器人大会

TARS在ICRA 2026（IEEE国际机器人与自动化大会）上完成了一次具有里程碑意义的亮相，旗下DexHand平台在此次大会上迎来国际首秀，引发了业界人士与学术研究者的广泛关注。

TARS首席科学家兼联合创始人丁博士在大会全体会议中发表了主旨演讲。

在现场演示环节，DexHand完整呈现了26个英文字母的手语手势，并邀请观众参与实时镜像控制互动，直观展示了系统的仿生还原度与低延迟响应能力。

DexHand的核心是一套按照人手掌骨与指骨拓扑结构1:1建模的21自由度架构。与传统并联关节设计在复杂动作中容易产生运动学失真的问题不同，DexHand精确复现了拇指腕掌关节与掌指关节的空间汇聚特性，从根本上消除了运动盲区。

其自主研发的关节集成了高精度减速器，将回程间隙压缩至极小范围，从而实现丝滑流畅的精细操控。

这一仿生结构同时破解了具身AI领域最关键的瓶颈之一：仿真与现实之间的差距。TARS自研的SenseHub系统能够采集真实人体运动数据并进行精准映射，在无损的前提下大幅提升数据利用率。

DexHand指尖集成了超高分辨率微型摄像模块，可在240Hz以上的帧率下捕捉精度达0.05毫米的微观纹理信息。

其搭载的AWE 3.0具身基础模型，赋予机器人理解硬度、粗糙度、滑动风险等物理属性的能力，并能够预判事件的发生，而非仅在事后做出被动反应。

在制造层面，DexHand采用刚性准直驱设计，仅使用三种电机与三种减速器，专为自动化装配线量产场景而优化。

"IEEE ICRA 2026是展示TARS具身AI解决方案实际效果的理想舞台，"丁博士表示，"TARS的DexHand是人类智能与机器人行动之间最优化的接口。"

Q&A

Q1：TARS的DexHand平台有哪些核心技术特点？

A：DexHand采用21自由度架构，按人手骨骼结构1:1建模，复现了拇指关节的空间汇聚特性，消除运动盲区。指尖集成超高分辨率微型摄像模块，可在240Hz以上帧率下捕捉0.05毫米精度的微观纹理。搭载AWE 3.0具身基础模型，能理解物体硬度、粗糙度等物理属性并预判风险，而非事后被动响应。

Q2：DexHand是如何解决具身AI仿真与现实之间差距问题的？

A：TARS自研的SenseHub系统通过采集真实人体运动数据并进行精准映射，在无数据损失的前提下提升数据利用率，从而有效弥合了仿真训练与实际部署之间的差距，这也是当前具身AI领域最关键的技术瓶颈之一。

Q3：DexHand适用于哪些实际应用场景？

A：DexHand在制造领域具有明确的应用定位。其刚性准直驱设计仅使用三种电机与三种减速器，结构简洁，专为自动化装配线的量产场景而设计。此外，其高精度微操控能力和仿生手势还原度，也使其在人机交互、服务机器人等场景中具备较强的应用潜力。