机器人手可以用于许多领域，如制造业、外科手术和核退役等危险活动。例如，机器人手在计算机装配中非常有用，装配微芯片目前需要只有人类手才能达到的精确度。由于在装配线上使用了机器人手，在确保减少人类工人工作风险的情况下，可以实现更高的生产率。

在论文“通过弹道优化和强化学习解决具有挑战性的敏捷操作任务”中，华威大学WMG的研究员Giovanni Montana和Henry Charlesworth博士开发了新的AI算法-或“大脑”-学习如何协调手指的动作并可以进行操作。

通过对影子机械手进行物理逼真的模拟，研究人员已经能够使两只手相互传递并向物体投掷物体，以及在其手指之间旋转笔。然而，算法不限于这些任务，而是可以学习任何任务，只要它可以被模拟即可。3D模拟是使用华盛顿大学的物理引擎MuJoCo（多关节接触动力学）开发的。

研究人员使用了两种算法。最初，一个规划算法会产生一些手部应该如何执行特定任务的近似例子。这些例子然后被一个强化学习算法使用，它自己掌握了操作技巧。通过采用这种方法，研究人员能够获得比现有方法更好的性能算法。模拟环境已公开供任何研究人员使用。

即将在2021年NeurIPS会议上发表的第二篇论文《PlanGAN：具有稀疏奖励和多个目标的基于模型的计划》中，WMG研究人员还开发了一种新颖且通用的AI方法，使机器人能够学习诸如到达目标等任务和移动物体，这将进一步改善手操作应用程序。

华威大学WMG的Giovanni Montana教授评论说：“数字化的未来取决于可以自主学习的AI算法，并且能够开发出使Shadow Robot的手能够像真正的人一样操作的算法，而无需任何人输入是令人兴奋的一步。这些自主的手将来可用于运送机器人外科医生，提高装配线的生产率，并代替从事炸弹处理等危险工作的人员。”

“在未来的工作中，我们不仅让机器人能够像人类一样，准确地感知环境，还可以通过能够感知世界的计算机视觉算法，还可以通过检测温度，力和振动的传感器来使机器人学习如何在环境变化时做些什么。感觉到那些感觉。”

伦敦影子机器人公司董事总经理里奇·沃克（Rich Walker）表示：“当我们开始制造灵巧的手时，是因为没有一种方法就无法握住一只手！20年后，我们现在看到像乔凡尼（Giovanni）这样的研究人员通过创建足够聪明的算法来控制机器人手来实现硬件的承诺，也许不久我们就会看到超人的性能”。