日本リアルワールド（RLWRLD）发布了机器人手分析平台“All Hands Up!”。该网站基于市售多关节机器人手（Dexterous Robot Hand）的实际运用数据，整理了设计上的实际极限和性能权衡，提供技术报告和可视化功能。
该平台分析并公开了仅凭制造商提供的规格表难以掌握的机器人手实际动作性能及设计中的权衡点。日本リアルワールド表示，开发此网站旨在回答研究和工业领域反复提出的“哪种机器人手能在实际环境中有效工作”的问题，基于以往的实际运用数据进行开发和公开。
机器人手设计中的结构性“权衡”
机器人手作为物理AI的核心要素，存在尺寸、抓握力（握力）和逆驱动性（Backdrivability）之间的结构性权衡。目前难以开发同时满足所有性能的产品。
- 尺寸与抓握力的关系：机器人手尺寸越小，内部驱动电机也越小，导致抓握力下降。
- 抓握力与逆驱动性的关系：为增强力量提高齿轮比时，抓握力增强，但对外部力和冲击的柔性响应能力（逆驱动性）降低。
因此，改善一项性能往往会牺牲另一项，市售产品普遍存在设计目的对应的极限和权衡。
独创基准测试“DexBench”提供客观指标
为更准确评估实际任务执行能力，日本リアルワールド整理了影响现场运作效率的主要设计变量：
- 拇指活动范围（Kapandji Scale）
- 指尖关节（远端指间关节/DIP关节）是否独立驱动
- 最小可抓握直径（机器人手能抓取物体的最小直径）
- 手部外壳材料的摩擦特性
此外，利用独自基准测试“DexBench”，基于18种实际操作任务，定量分析各机器人手的特性和极限。
针对无完美机器人手的“硬件二元化”策略
鉴于目前尚无完美机器人手，日本リアルワールド提出根据用途二元化硬件的现实策略：
- 现场部署型（Type 1）：优先轻量化和高耐久性，适合实际工业环境的实用结构。
- 学习数据采集型（Type 2）：具备高逆驱动性和精密性，支持AI学习所需的细微操作和数据采集。
两种类型相辅相成，是当前机器人手开发的最佳方案。
基于URDF的网页可视化功能
“All Hands Up!”提供基于URDF（机器人描述标准格式）的交互式可视化信息。用户无需昂贵专业软件或开发环境，通过网页浏览器即可用鼠标操作多个机器人手的各关节，预先验证目标抓握形态是否可实现。
此外，网站不仅支持产品主要规格对比，还提供可直接用于机器人仿真和开发的URDF数据，目前收录了10余种多关节机器人手的数据。
