2. 灵巧手硬件基础

灵巧手是模仿学习系统的“身体”。策略网络输出的动作最终要通过手指、关节、腱绳、电机与传感器落到物理世界，因此硬件结构直接决定了可学习动作的空间、可观测状态的维度以及泛化能力的边界。理解灵巧手硬件，核心是回答四个问题：手指怎么排布、关节怎么运动、动力从哪来、状态怎么测。本节围绕多指手结构、自由度、驱动器、传感器以及运动学与动力学建模要点展开，为后续模仿学习的数据采集与策略设计打基础。

一、多指手结构：从仿生构型到工程取舍

多指手通常指三指及以上、具备对掌或协同抓取能力的手型。常见构型包括三指、四指与五指，其中五指仿人手最接近人类操作习惯，便于直接复用人类演示数据。结构上可分为三类：

• 全驱动手：每个关节独立配置驱动器，控制精度高、可重构性强，但体积、重量与成本高，典型如多电机直驱或谐波减速方案。
• 欠驱动手：驱动器数量少于自由度数，通过腱绳、连杆或差动机构实现自适应抓取，结构紧凑、鲁棒性好，但难以精确控制每个关节。
• 混合驱动手：关键关节全驱动、辅助关节欠驱动，兼顾精细操作与抓取稳定性，是当前研究与工程落地的主流折中。

手指的排布方式同样关键。对掌设计让拇指能与其余手指形成力闭合，是实现捏、拧、旋等精细动作的前提；而平行排布的手指更适合包络抓取。手掌是否具备自由度、指节长度比例、指尖形状，都会影响抓取接触点分布与力传递效率。

二、自由度：动作空间的物理边界

自由度（DoF）是灵巧手最核心的参数。单根手指通常有 3～4 个自由度：掌指关节（MCP）2 个（屈伸与侧摆）、近端指间关节（PIP）1 个、远端指间关节（DIP）1 个。五指手总自由度一般在 15～24 之间，加上手腕 6 个自由度，整臂系统可达 20～30 维动作空间。

自由度并非越多越好。自由度增加会带来维度灾难：演示数据稀疏、策略搜索空间爆炸、实时控制频率下降。因此在模仿学习中，常通过协同关节（如 DIP 与 PIP 耦合）或低维动作基（如主成分、抓取原语）降维。理解自由度分布，才能合理设计动作表示与泛化策略。

三、驱动器：动力来源与传动路径

灵巧手驱动器主要有电机、气动人工肌肉与形状记忆合金等。工程上以微型无刷直流电机与空心杯电机为主，配合减速器、腱绳或连杆传动。传动方式直接影响控制带宽与柔顺性：

驱动器选型需权衡力矩密度、响应速度、发热与成本。模仿学习中，若驱动器带宽不足，高频动作会被“滤掉”，导致策略学到的动作与实际执行不一致，这是常见的隐性误差来源。

四、传感器：让手“感知”状态

灵巧手传感器分为本体感知与外部感知两类。本体感知包括关节编码器、电流传感器、腱绳张力传感器，用于测量关节角、速度与力矩；外部感知包括指尖触觉阵列、力/力矩传感器、温度与接近觉传感器，用于感知接触位置、法向力与滑动。

• 关节编码器：提供关节角反馈，是运动学计算与状态观测的基础。
• 电流环：通过电机电流估计输出力矩，成本低但受摩擦与温度影响。
• 触觉阵列：输出接触压力分布图，是抓取稳定性判断与精细操作的关键。
• 六维力/力矩传感器：多安装于手腕，用于力控与柔顺装配。

五、运动学与动力学建模要点

运动学描述关节空间与笛卡尔空间之间的映射。正运动学通过 DH 参数或旋量法由关节角计算指尖位姿；逆运动学则用于将期望位姿转换为关节角，但多指手常存在冗余与奇异，需要数值迭代与阻尼最小二乘求解。动力学则描述力矩、惯量与运动之间的关系，常用拉格朗日法或牛顿-欧拉法建模。

建模时需注意：腱绳传动会引入非线性摩擦与弹性，理想刚体模型误差较大；接触力建模需考虑点接触、面接触与摩擦锥约束；参数辨识（如惯量、摩擦系数）往往比模型结构更影响精度。对模仿学习而言，模型不必完美，但需保证状态一致性与可微分性，以便与策略网络联合优化。

# 简化的关节状态与动作接口示例
state = {
  "joint_pos":  [0.12, -0.35, 0.80, ...],   # 关节角 (rad)
  "joint_vel":  [0.01,  0.02, -0.03, ...],  # 关节速度
  "tactile":    [[0.0, 0.3, 0.8], ...],     # 指尖压力分布
  "wrist_ft":   [fx, fy, fz, tx, ty, tz]    # 腕部力/力矩
}
action = [dq1, dq2, ..., dqn]               # 关节增量或目标角

六、案例与常见误区

以五指腱绳手为例：20 个关节自由度、5 个电机欠驱动，指尖配置触觉阵列。采集人类演示时，若仅记录关节角而忽略触觉，策略在遇到新物体时容易过度用力或滑脱。复盘发现，加入触觉阈值判断后，抓取成功率明显提升。

常见误区有三：一是盲目追求高自由度，忽视数据采集与控制频率；二是把驱动器力矩当作关节力矩，忽略传动损耗；三是运动学标定不准确，导致仿真到现实的位姿偏差。建议在硬件选型阶段就明确模仿学习任务的动作频率、状态维度与触觉需求，避免后期返工。

综上，多指手结构决定形态，自由度决定动作空间，驱动器决定执行能力，传感器决定感知维度，运动学与动力学建模则把四者统一为可计算、可控制的模型。只有把硬件约束与模仿学习算法联合考虑，才能让灵巧手在真实任务中稳定泛化。