1. 课程导入

机器人灵巧手是机器人从“能移动、能搬运”走向“能操作、能作业”的关键末端执行器。传统工业夹爪通常只有开合一个自由度，适合抓取形状固定、姿态稳定的工件；而人类手部拥有约20余个自由度，能够在狭小空间内完成捏、握、拧、旋、插、拨等复杂动作。灵巧手研究的核心目标，就是让机器人末端具备接近人手的多自由度运动能力、感知能力与稳定控制能力，从而在非结构化环境中完成精细操作。

一、研究意义：为什么灵巧手是机器人操作能力的“最后一厘米”

机械臂决定了机器人“能到哪”，灵巧手决定了机器人“能做什么”。在装配、医疗、服务、太空与危险环境作业中，大量任务失败并非因为机械臂定位不准，而是因为末端无法稳定抓取、无法感知接触、无法在抓取后调整姿态。灵巧手的意义体现在三个层面：

• 运动学层面：多指多关节带来冗余自由度，使抓取不再依赖单一开合，而可以通过包络、捏取、侧捏等多种抓取模式适应不同物体。
• 感知层面：指尖触觉、关节力矩、电流与视觉融合后，机器人能判断“是否接触、接触力多大、是否滑动”，从而闭环调整。
• 控制层面：抓取不是简单的位置控制，而是力位混合、阻抗控制与接触约束下的稳定控制问题。

二、典型应用场景：从工厂到家庭，从地面到太空

灵巧手的应用场景决定了其技术路线的差异。工业场景强调节拍、重复精度与可靠性；医疗与服务场景强调柔顺、安全与人机交互；太空与核工业场景强调遥操作、容错与力反馈。下表列出典型场景与关键需求：

三、课程学习目标与整体知识框架

本课程围绕“建模—感知—规划—控制—验证”主线展开，目标是让学习者能够独立完成灵巧手运动学建模、抓取规划与基础控制算法设计。整体知识框架可分为五层：

1. 机构与驱动层：手指构型、关节类型、传动方式、驱动器布置与耦合关系。
2. 运动学层：正运动学、逆运动学、雅可比矩阵、奇异位形与工作空间。
3. 抓取规划层：接触模型、抓取矩阵、力封闭、抓取质量评价与抓取综合。
4. 感知与控制层：触觉/力矩传感、力位混合控制、阻抗控制、滑动检测与抓取稳定。
5. 系统验证层：仿真环境、硬件在环、实验平台与性能评估指标。

下图给出本课程的整体知识框架与学习路径，帮助建立从机构到控制的系统视角：

四、核心方法流程：从任务到抓取执行

面对一个“抓取杯子并放到指定位置”的任务，灵巧手系统的典型处理流程如下：

任务输入：目标物体位姿 + 放置位置
  ↓
视觉/点云感知：物体尺寸、形状、可抓取区域
  ↓
抓取规划：选择抓取模式（包络/捏取/侧捏）+ 接触点
  ↓
逆运动学求解：各关节目标角度
  ↓
接近与预抓取：位置控制靠近物体
  ↓
接触与力控：切换力位混合/阻抗控制
  ↓
稳定抓取：检测滑动，调整抓取力
  ↓
搬运与放置：轨迹规划 + 释放

该流程中，运动学解决“手怎么摆”，抓取规划解决“抓哪里”，控制解决“用多大力、如何保持稳定”。三者缺一不可。

五、常见误区与学习建议