我們知道，機械手可通過感知器的內部傳感器檢測本身的狀態，如速度、位置、加速度等，進而來實現本身與環境信息，如距離、溫度和壓力的相互作用，環境信息通過外部傳感器進行檢測。

　　最近，美國紐約州立大學布法羅分校科學家開發了一款柔性減震機器人抓手，借助傳感器對障礙物進行實時撞擊檢測，進而讓抓手控制更為高效和安全。 據悉，這種實驗性夾手采用兩個電動指狀物，沿著軌道朝向或遠離彼此滑動。每個指狀物都安裝在一個磁性底座上，磁性底座位于兩個“排斥”的釹磁鐵之間，用于推動它。兩塊磁鐵實際上都不接觸底座，所以底座的兩側和相應的磁鐵之間都有一個間隙，這個間隙可以起到減震彈簧的作用。

　　當兩個手指靠在一起以抓住它們之間的物體時，每個手指兩側的磁鐵相對靠近其底座，通過推動手指保持牢固地固定就位。隨著該物品隨后被抓起和移動(通過附著抓手的機械臂)，抓手總是可能意外地撞擊障礙物。如果發生這種情況，集成傳感器會檢測到撞擊，并通過將磁鐵移動遠離手指瞬間響應。這減小了排斥力，允許兩個手指通過相對于夾持器的其余部分暫時滑動來吸收沖擊。

　　一旦障礙物被清除，磁鐵就會重新移回，將手指推回到原來的位置。此外，該系統可用于與人合作的協作機器人，不僅可以保護正在運輸的物品，還可以防止工廠工人受到工業機器人的傷害。

　　目前，該技術已通過衍生公司商業化，與第三方機械臂一起使用。相關研究成果在最近發表在《IEEE Transactions on Industrial Electronics》雜志上。

　　近期，瑞士聯邦理工學院(EPFL)的科學家也結合神經工程和機器人技術，開發一種新型機械手。該機械手使用的其中一個概念從神經工程中獲取，涉及確定截肢者殘肢上的肌肉活動的運動，以用于假手的單獨手指控制。該團隊采用了一種新技術，允許機械手抓住物體并與他們保持聯系以完成抓取物體的任務。

　　抓住物體的一個挑戰是防止它們掉落。科學家們表示，當一個人拿著東西，當它開始滑動時，他們只有幾毫秒的時間來作出反應。由于手指上的壓力傳感器，團隊開發的機械手可在400毫秒內作出反應。

　　該團隊還使用一種算法，該算法學習如何解碼用戶意圖并將該意圖轉換為假手的手指移動。訓練機械手需要被截肢者進行一系列手部動作。殘肢上還安裝有傳感器，能夠記錄肌肉運動; 一旦理解了運動，該信息可用于控制機械手。

　　然后，團隊設計算法以在用戶嘗試抓取對象時啟動機器人自動化。一些用于自動抓取動作的技術來自之前關于機器人手臂的研究。不過，該團隊表示，在將算法應用到商業機械手中之前，算法仍存在許多挑戰。