Hand（手）在机器人领域指的是具备多关节、多自由度、能完成抓取与精细操作的机械末端执行器，它是当前具身智能研究中最受关注的硬件载体之一。围绕机械手的开源方案、大模型控制与仿真训练正在快速推进，近期出现了多个把“转笔”这类高难度灵巧任务作为能力标尺的尝试。
Hand 近期进展
WUJI 开源了一套 20 关节机械手的转笔训练方案，把手指数量的堆叠与强化学习训练流程一起公开，降低了研究者复现灵巧操作的门槛（WUJI 开源 20 关节机械手转笔训练方案）。转笔要求手指在动态中持续调整接触点与力矩，长期以来被视为检验机械手协调性的硬任务，开源权重与训练细节的释出意味着这类实验不再只是少数实验室的专属。
另一条路线来自大模型侧：GPT-6 Astra 被用于通过提示词直接完成转笔任务，即用自然语言指令驱动手部动作序列（GPT-6 Astra 用提示词完成转笔任务）。这提示了一条与端到端强化学习不同的路径——把高层任务理解交给语言模型，把低层控制留给执行器，二者之间的接口设计成为新的工程问题。
在仿真侧，Aero Hand Open 提供了一个面向仿真就绪的肌腱驱动手方案，强调肌腱传动带来的柔顺性与可迁移性（Aero Hand Open：仿真就绪的肌腱驱动手）。肌腱驱动相比传统刚性关节更接近人手结构，但建模与磨损带来的误差也让“仿真到现实”的迁移仍是难点。
当前焦点与观察点
围绕 Hand 的讨论集中在三处：一是自由度数量是否真能转化为操作能力，20 关节的方案能否稳定复现仍需第三方验证；二是语言模型直接输出动作的可靠性，提示词控制在长时序任务中的漂移问题尚未解决；三是仿真资产的通用性，肌腱驱动手能否与主流物理引擎和既有数据集兼容。可以观察到，机械手研究正从“造出来”转向“用统一的基准任务比出来”，而转笔恰好充当了这样一个直观的标尺。后续值得留意的是开源社区对这些方案的复现报告，以及仿真手向真实硬件的迁移数据。