1. 课程导入

多指灵巧手是机器人从“能抓”走向“会摸、会判断、会调整”的关键载体。与二指夹爪相比，多指手拥有更多接触点、更高自由度与更复杂的接触几何，因此它对力觉与触觉感知的依赖远不止“防止捏碎物体”这么简单。本课程围绕一条主线展开：让机器手通过分布式触觉与力觉信息，理解接触状态、估计接触力、识别物体属性，并据此完成稳定、精细、可泛化的操作。

一、核心概念：从“力”到“触”的感知分层

在多指灵巧手中，力觉通常指可测量合力与力矩的传感信息，例如指尖六维力/力矩传感器、关节力矩传感器；触觉则强调接触面分布信息，例如电容/压阻/光学触觉阵列输出的压力分布图。二者不是替代关系，而是互补关系：力觉回答“整体受了多大力、力矩方向如何”，触觉回答“哪里接触、接触形状怎样、压力是否均匀”。

进一步还有滑觉与接近觉。滑觉用于检测接触面是否发生相对滑动，是抓取稳定的核心判据；接近觉在接触前提供距离与预接触信息，帮助灵巧手减速、对准与柔顺接近。工程上常把这一整套能力称为“触觉感知系统”，其本质是把机械接触转化为可计算的电信号，再转化为控制决策。

二、整体框架：感知—处理—决策—执行闭环

本课程的整体框架可视为一个闭环：传感器采集接触与力信息，经过信号调理、采样、滤波与标定，形成可用的触觉/力觉数据；再通过特征提取与状态估计，得到接触位置、法向力、切向力、滑移趋势等状态；最后进入抓取规划与控制模块，驱动手指关节调整姿态与力。下图给出该闭环的典型结构。

该闭环中，任何一层出现偏差都会影响最终操作。例如触觉阵列未标定会导致压力分布失真；滤波过度会引入相位延迟，使滑移检测变慢；力分配不合理会造成局部过载或物体掉落。因此，工程实现必须把“传感—处理—决策—执行”作为整体来设计。

三、典型应用场景与感知需求

多指灵巧手的力觉与触觉感知广泛应用于精密装配、易碎品抓取、工具使用、人机协作与机器人学习等场景。不同场景对感知的需求差异明显，下表给出典型对照。

四、方法流程：从原始信号到抓取决策

一个可落地的感知流程通常包含以下步骤：

1. 传感配置：确定指尖、指腹、掌心等位置的传感器类型与数量，明确量程、分辨率与采样率。
2. 信号采集：通过 ADC 或总线读取原始数据，注意同步多路信号，避免时间戳错位。
3. 预处理与标定：去噪、滤波、温度补偿、零点校准与坐标变换。
4. 特征与状态估计：提取接触区域、压力中心、合力方向、滑移指标等。
5. 控制映射：将估计状态映射为关节力矩或位置修正量，实现稳定抓取。

下面给出一段简化的触觉数据预处理伪代码，用于说明工程中常见的处理顺序：

# 读取多指触觉阵列与指尖力
raw_tactile = read_tactile_array(port="/dev/ttyUSB0", rate=1000)
raw_force   = read_ft_sensor(channel=0, rate=1000)

# 零点校准与温度补偿
tactile = raw_tactile - zero_offset
tactile = tactile / sensitivity
force   = compensate_temperature(raw_force, temp)

# 低通滤波，抑制高频噪声
tactile_f = lowpass(tactile, cutoff=50)
force_f   = lowpass(force, cutoff=100)

# 提取接触特征
contact_mask = tactile_f > threshold
center       = compute_pressure_center(tactile_f, contact_mask)
slip_index   = estimate_slip(tactile_f, force_f)

# 输出给抓取控制器
grasp_controller.update(center, force_f, slip_index)

五、常见误区与复盘

初学者容易把“装了触觉传感器”等同于“具备触觉感知能力”。实际上，传感器只是起点，真正的能力来自标定、建模、特征提取与控制闭环。另一个常见误区是只关注法向力，忽略切向力与力矩，导致抓取时物体在指尖旋转或滑落。还有一点是忽视采样同步与延迟：多指手多路信号若不同步，滑移检测与力分配会出现误判。