TARS DexHand平台重磅亮相ICRA 2026机器人大会
ICRA 2026（IEEE国际机器人与自动化大会）刚刚落幕，TARS凭借DexHand平台的全球首发成为全场焦点——这款仿生手系统在会议期间首次公开亮相，迅速吸引了与会专家的高度关注。
TARS联合创始人兼首席科学家丁博士在主旨演讲后进行了现场演示：DexHand完整展示了26个英文字母的手语手势，并邀请参会者实时镜像操控。其仿生还原度与毫秒级响应延迟让观众印象深刻。
DexHand的核心采用严格按人手掌骨与指骨拓扑结构1:1建模的21自由度架构。与传统的并联关节设计不同——后者在复杂动作中易产生运动学失真——DexHand精确复现了拇指腕掌关节与掌指关节的空间汇聚特性，从根源消除运动盲区。其自研的高精度减速器将回程间隙压缩至极低水平，实现真正丝滑的精细操控。
这套仿生结构同时破解了具身AI最棘手的仿真与现实鸿沟。TARS自研的SenseHub系统通过采集真实人体运动数据并精准映射，在零数据损失的前提下大幅提升数据利用率，这是弥合仿真训练与实际部署差距的关键。
指尖配置同样精良：DexHand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信息。结合AWE 3.0具身基础模型，机器人不仅能解析物体硬度、粗糙度、滑动风险等物理属性，更能预判事件发生，而非事后被动响应。
从制造端看，DexHand采用刚性准直驱设计，仅需三种电机与三种减速器。这种极简架构专为自动化装配线的规模化量产而优化。
丁博士在大会现场表示：“ICRA 2026是展示TARS具身AI解决方案实际效果的理想舞台。TARS的DexHand，是人类智能与机器人行动间最优化的接口。”
Q&A
Q1：TARS的DexHand平台有哪些核心技术特点？
A：DexHand的核心技术包括：21自由度仿生架构，严格按人手骨骼1:1建模；指尖集成240Hz帧率、0.05毫米精度的微型摄像模块；以及AWE 3.0具身基础模型，可预判物体硬度、粗糙度与滑动风险，化被动响应为主动预判。
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精准映射，在零数据损失下大幅提升数据利用率，从而有效弥合仿真训练与实际部署间的鸿沟——这是具身AI领域最核心的瓶颈之一。
Q3：DexHand适用于哪些实际应用场景？
A：DexHand在制造领域落地明确：刚性准直驱设计仅用三种电机与三种减速器，结构简洁，适配自动化装配线量产。此外，高精度微操控与仿生手势还原度，为人机交互、服务机器人等场景拓展了广阔应用空间。