机械臂、灵巧手与末端执行器

一句话定义

末端执行器是机器人与物体的唯一接触界面：二指夹爪以极简结构覆盖 80% 任务，灵巧手以数十自由度瞄准人类级操作——它们与机械臂一起构成操作系统的"手"，其能力边界就是操作学习的边界。

为什么重要

• 做操作研究/工程的第一问是"用什么手"：夹爪、吸盘还是灵巧手，直接决定任务范围、数据形态（kp-403）与算法难度。
• 灵巧手是当前操作学习的前沿主战场（in-hand manipulation、穿线、使用工具）；理解其硬件逻辑才能设计出能学的任务。
• 成本曲线正在改写选型：LEAP Hand（约 2 千美元）与国产灵巧手把"人手级硬件"拉进学术预算。

前置知识

kp-501 硬件、kp-104 触觉。

核心概念

机械臂主流平台：

• UR 系列：协作臂标杆，易用、生态好；UR5 负载 5 kg，位置控制为主。
• Franka Panda/Franka Research 3：7 自由度 + 关节力矩传感 + 1 kHz 力矩接口——学术界力控与 RL 部署的事实标准。
• xArm / Flexiv / KUKA iiwa / AUBO：国产与欧系的协作/工业梯度覆盖。
• 选型看：负载-臂展-精度三角、控制接口（位置/速度/力矩）、SDK 质量、保修与耗材。

末端执行器谱系：

1. 二指平行夹爪（Robotiq 2F-85、Franka Hand）：一个自由度的"抓/放"，配接触传感器足够 80% 工业任务。
2. 吸盘/真空：平面光滑物体的分拣王者（电商仓），不怕多物体遮挡，怕多孔透气物体。
3. 软体夹爪：气动柔性指（Festo 等），食品/易碎品免力控抓取（形态计算，kp-005）。
4. 三指/多指欠驱动手：Robotiq 3F、TR 系列——比夹爪通用、比全驱动手简单。
5. 灵巧手（全驱动/高自由度）：

• Shadow Hand：20+ 自由度 + 触觉，老牌研究旗舰，贵且娇气。
• Allegro Hand：16 自由度，实验室性价比经典。
• LEAP Hand（2023, CMU）：约 2 千美元、16 自由度、可装 DIGIT 触觉，开源设计——学术灵巧操作研究的分水岭硬件。
• 国产系（因时、Inspire、兆威等）：微型化与量产降本主力，人形整机配套。
• Tesla Gen2/3 手：11 自由度 + 触觉集成，整机自研路线代表。

欠驱动设计：电机数 < 关节数，靠连杆/弹簧耦合。好处：一个电机驱动三个指节的包络抓取自适应；代价：精确指内操控难。这是"够用工程学"的典范（kp-005）。

原理与机制

抓取的物理（Bicchi & Kumar 框架）：抓取稳定性 = 力封闭（force closure）——手指接触力能否抵抗任意扰动。摩擦锥约束（kp-203）下，接触点数量与分布决定抓取质量；这就是抓取检测网络（kp-102）输出的"抓取质量分"的物理含义。

为什么灵巧操作难（in-hand manipulation）：接触状态高维且非光滑、物体在手中滑动时感知滞后、自由度冗余使控制空间巨大。RL（OpenAI Dactyl、Rotate 系）与触觉反馈（kp-104）是目前两条主攻线。

手-臂协同（hand-arm system）：7 DoF 臂 + 16 DoF 手 = 23+ 维动作空间，遥操作与学习都难度陡增；ALOHA 用双臂双夹爪回避了灵巧手，换来"低成本可采集"——硬件选型与数据可行性的联动决策。

公式与图示

任务 → 手的选型决策树：
  光滑平面物体分拣？ ──是──► 吸盘
  规则物体抓放？     ──是──► 二指夹爪（+力传感）
  易碎/不规则软物？   ──是──► 软体夹爪
  工具使用/指内操作？ ──是──► 灵巧手（+触觉，做好预算与心理准备）

力封闭判据（直觉版）：对每个接触点，手指能施加的力组成摩擦锥；若这些锥的线性组合能张成全部 6 维力旋量空间，则抓取可抵抗任意扰动——"握得住"的数学化。

直观类比

• 夹爪 vs 灵巧手 = 螺丝刀 vs 瑞士军刀：日常 80% 拧螺丝场景螺丝刀更可靠；军刀赢在"什么都可能遇到"的场景。
• 欠驱动 = 联动伞骨：一根线（一个电机）带动整排伞骨（多关节）自适应包络——结构聪明地替代了控制复杂度。

实例与案例

• 电商分拣：吸盘 + 深度视觉是全球部署量最大的"操作 AI"——最朴素的末端执行器赢下了最大的商业场景。
• ALOHA 选择夹爪的原因（kp-304）：双灵巧手会让遥操作与数据成本爆炸；夹爪+力反馈在"精细"与"可采"间取得平衡。
• LEAP Hand 生态（2023-）：配合 DIGIT 触觉与 RL/IL 算法，高校在数月内做出转笔、魔方、穿绳等 in-hand 结果——开源硬件直接催生研究子领域。
• 人形灵巧手竞赛（2024-25）：宇树、智元、Figure 等相继发布自家灵巧手，指标竞赛集中在自由度、触觉覆盖、寿命与价格。

常见误区

• 误区一：自由度越多越强。每维自由度都在给学习问题加难度（kp-005）；任务不指内操作就不需要灵巧手。
• 误区二：先买手再想任务。正确顺序：任务需求 → 触觉/自由度需求 → 选手；反之会买来"能转魔方却抓不稳杯子"的配置。
• 误区三：忽视寿命与维护。灵巧手 tendon/齿轮是耗材，实验设计中必须考虑更换频率；论文里不写但预算里绕不开。

自测题

1. 用力封闭解释为什么"两指夹一本书的中部"比"夹书角"稳。
2. 你的任务是"给盆栽浇水并换盆"，选什么末端执行器？给出决策理由。
3. 欠驱动手在包络抓取中"自适应"的物理机制是什么？

与其他知识点的关系

• kp-104 触觉：灵巧手的感官。
• kp-301/304 学习：手的形态决定数据形态。
• kp-501 执行器：手指驱动的微缩版三大件。

延伸阅读

• Bicchi & Kumar, Robotic Grasping and Contact: A Review, ICRA 2000（抓取理论经典）。
• LEAP Hand 项目页与 OpenAI Learning Dexterous In-Hand Manipulation, 2019。
• Robotiq、Franka、因时等产品手册（参数对比练手）。