1. 课程导入
灵巧手是机器人从“能抓”走向“会抓”的关键执行末端。与二指夹爪相比，灵巧手拥有多关节、多自由度、多接触点的结构优势，也因此带来更高的规划与控制难度：抓取前要判断物体在哪里、用什么姿态接近；抓取中要决定哪些手指接触、接触力多大；抓取后还要在滑动、扰动和不确定性中维持稳定。本课程围绕“抓取规划”与“接触控制”两条主线，建立从几何规划到力控执行的完整工程认知。
学习目标
- 理解灵巧手抓取问题的完整链路：感知 → 抓取规划 → 接近与预成形 → 接触建立 → 力/位混合控制 → 稳定性评估。
- 掌握抓取位姿、接触点、接触力、摩擦锥、力闭合等核心概念，并能用参数描述抓取质量。
- 能够针对典型物体与任务，选择合适的抓取模式（力闭合、形闭合、包络抓取、指尖捏取）。
- 理解接触控制中的位置控制、力控制、阻抗控制与混合控制的适用边界。
- 具备对抓取失败进行复盘与参数调整的工程能力。
核心概念与知识框架
灵巧手抓取不是单一算法问题，而是“任务—物体—手—环境”四者耦合的系统问题。抓取规划解决“在哪里抓、怎么接近、手指如何摆放”；接触控制解决“接触后如何施力、如何抗扰、如何避免滑移与损伤”。两者之间通过接触状态与力旋量相互约束。
抓取质量的核心判据：接触点能否形成力闭合或形闭合；接触力是否落在摩擦锥内；抓取矩阵是否满秩；外力扰动下是否仍能维持稳定。
下图给出本课程的整体知识框架：从任务与物体输入出发，经过抓取规划、接近预成形、接触建立，进入接触控制与稳定性评估，最终回到任务执行与复盘迭代。
方法流程：一次完整抓取如何发生
- 任务解析：明确物体属性（尺寸、质量、摩擦系数、易损性）与任务约束（速度、精度、是否允许滑动）。
- 抓取规划：在物体表面采样候选接触点，评估力闭合与抓取矩阵，输出抓取位姿与手指关节目标。
- 接近与预成形：规划无碰撞接近路径，手指提前张开到预成形姿态，避免碰撞与过早接触。
- 接触建立：通过关节力矩、电流或触觉传感器判断接触时刻，切换到力控或阻抗控制。
- 接触控制：按任务需求分配法向力与切向力，保持接触力在摩擦锥内，抑制滑移。
- 稳定性评估与复盘：监测接触力、滑移量与位姿误差，失败时回溯是规划问题还是控制问题。
关键参数与判据清单
| 参数/判据 | 含义 | 工程影响 |
|---|---|---|
| 摩擦系数 μ | 接触面切向与法向力之比上限 | 决定摩擦锥大小，μ 越小越易滑移 |
| 接触力 Fn / Ft | 法向力与切向力 | 需满足 Ft ≤ μFn，否则滑移 |
| 抓取矩阵 G | 接触力到物体力旋量的映射 | 满秩且力闭合时抓取稳定 |
| 力闭合 | 任意外力旋量均可被接触力平衡 | 抗扰能力强的核心判据 |
| 形闭合 | 依靠几何约束限制物体运动 | 适合包络抓取，不依赖大力 |
| 阻抗参数 K/D | 刚度与阻尼 | 影响接触柔顺性与响应速度 |
典型场景与工程案例
以“抓取一枚易碎鸡蛋”为例：若采用位置控制直接闭合手指，接触力会迅速上升导致破损；正确做法是先以位置控制接近，检测到接触后切换为低刚度阻抗控制，将法向力限制在 1～3 N，并利用多点接触形成包络。若抓取的是金属圆柱并需要拧转，则需要更大的切向力与摩擦锥余量，此时应提高法向力并选择指尖捏取或三指对心抓取。
# 抓取状态机伪代码
state = APPROACH
while task_running:
if state == APPROACH:
move_to_pregrasp()
if contact_detected():
state = FORCE_CONTROL
elif state == FORCE_CONTROL:
set_impedance(K=low, D=medium)
regulate_force(target=2.0N)
if slip_detected():
increase_normal_force()
if stable():
state = LIFT
elif state == LIFT:
execute_task()
学习建议：先建立“接触状态决定控制模式”的直觉，再深入抓取矩阵与力闭合的数学推导。工程中大量失败并非算法不先进，而是接触状态判断错误或参数切换时机不当。
常见误区与复盘
- 误区一：把抓取规划当成纯几何问题。忽略摩擦、质量与任务力，规划出的抓取点在执行时可能滑移。
- 误区二：全程使用位置控制。灵巧手接触后位置误差会转化为巨大接触力，易损坏物体或手指。
- 误区三：只追求力闭合而忽略形闭合。对易碎物体，包络与几何约束往往比大力夹持更安全。
- 复盘方法：记录接触力曲线、滑移事件与控制模式切换时刻，区分“规划不可行”与“控制不稳定”两类问题。
本课程后续将沿着这条框架逐步展开：先建立抓取规划与接触力学基础，再进入力控、阻抗控制与触觉反馈，最终落到真实灵巧手平台上的抓取任务实现。掌握这条主线，就能在复杂物体与不确定环境中，把“抓得住”变成“抓得稳、抓得准、抓得安全”。