メインコンテンツへスキップ

MULTI-FINGERED HAND

多指ハンド

器用さ、力強さ、耐久性

人サイズで実現する唯一のハンド

16DOF 駆動関節数
180deg/s 最大連続関節速度
50N 最大連続指先力
150S 維持時間
450k+ 実用耐久回数
1.23m/s 耐衝撃

人と同じようにものを扱えるロボットハンド

さまざまなものを把持でき、人のために作られた道具を操ることができること。

人が行っている多様な作業を1つのハンドで実現し、人が生活する環境にあわせて働くことで、
人に寄り添い、人の役に立つ社会の実現を目指しています。

TECHNOLOGY

多指ハンドを支える技術

TECHNOLOGY / 技術詳細

Dexterity

Dexterity

16 DOF / 180 deg/s

16関節の精密な駆動と親指の対向構造により人の手に近い把持を実現し、最大180deg/sの高速動作で素早いハンドリングにも対応します。

Power

50N / 150s

最大50Nの指先(フィンガーティップ)力を発揮でき、その力を最大150秒間維持できます。

Power
Durability

Durability

450,000+ cycles

さまざまな指先荷重条件のもとで45万回の耐久サイクルを完了しており、そのうち24,000回は5kgの重量物を持ち上げる試験を含んでいます。

Impact Resistance

1.23m/s

手先を1.23m/sで障害物にぶつけても、力を検知しいなすことができます。

Impact Resistance

FEATURES / 特徴

人の手はスリムながら「繊細さ」と「力強さ」を兼ね備えますが、ロボットにはその両立が困難でした。私たちの多指ハンドは、コインをつまむ緻密さと50Nの出力を人間サイズで実現。ついに「人のように働く」実用レベルへと到達しました。

WORK SCENES

作業シーン

糸通し

針に糸を通す微細操作のデモンストレーション

糸通し

小ねじの手締め

小さなネジを指先で精密に締める操作

小ねじの手締め

ねじの操作

ネジを回転させる工具的な動作

ねじの操作

ハサミの操作

ハサミを持って切る複雑な道具操作

ハサミの操作

論文リスト

多指ハンドに関する研究成果

  • Naoki Morihira, Amal Nahar, Kartik Bharadwaj, Yasuhiro Kato, Akinobu Hayashi, Tatsuya Harada,

    “R2-Dreamer: Redundancy-Reduced World Models without Decoders or Augmentation”,

    In Proceedings of the International Conference on Learning Representations (ICLR), 2026, accepted.

  • Yohei Kitahara and Manoj Bhadu,

    “Relative Geometrical Constraint on Finger Motion for Dexterous Teleoperation of Multifingered Hand”,

    IEEE/SICE International Symposium on System Integration (SII), 2026.

  • Naoki Morihira, Pranav Deo, Manoj Bhadu, Akinobu Hayashi, Tadaaki Hasegawa, Satoshi Otsubo, Takayuki Osa,

    “Touch-Based Manipulation with Multi-Fingered Robot using Off-policy RL and Temporal Contrastive Learning”,

    IEEE International Conferences on Robotics and Automation (ICRA), 2024.

  • Tomohiro Chaki and Tomohiro Kawakami,

    “Quadratic Programming Based Inverse Kinematics for Precise Bimanual Manipulation”,

    IEEE International Conferences on Robotics and Automation (ICRA), 2024.

  • Takayuki Osa, Akinobu Hayashi, Pranav Deo, Naoki Morihira, Takahide Yoshiike,

    “Offline Reinforcement Learning with Mixture of Deterministic Policies”,

    Transactions on Machine Learning Research, 2023.

HUMANOIDS SUMMIT 2026

ヒューマノイドサミット2026

Humanoids Summit 2026