来源：Anthony Shilati human five（公众号）（Anthony Shilati（HAND ERC 视角）） · 2026-09-09 · 原文链接
分类：综述 / 硬件与评测方法（主线强相关：触觉传感的评测缺口 + 机械透明性 + 软接触不可仿真）
一句话概括
HAND ERC 的一篇综述：手部灵巧性被欠定义，所以基准测试必须先强加一种视角——他们把灵巧性定义为"高效可靠地利用接触来改变世界或学习世界属性"，据此建立组件级→手级→系统级→应用级的四层基准体系，主张用逐层敏感性链把"设计决策"归因到"系统性能"；核心痛点是现有指标沿用了工业机器人手臂那套（为自由空间精确定位设计），几乎不测动态接触性能，因此他们提出机械透明性三指标（启动力 / 力带宽 / 力准确度，正反向各测一遍），并明确指出仿真至今无法建模软皮肤、腱传动与多接触交互。
核心要点
灵巧性的定义（他们的工作定义）：在各种任务和条件下，高效且可靠地利用接触来对物理世界产生期望的改变、或学习物理世界属性的能力。关键在"协商"二字——手不是简单地决定被操作物的运动，而是对任务与环境施加的物理约束作出响应并与之协同工作。因为定义太宽、灵巧性本身欠定义，任何基准测试都必然是在强加一种视角，作者也承认这个视角会演化。
为什么聚焦多指手的"手中操作"：操作分抓握式与非抓握式；抓握式又分固定抓握（pick-and-place，手指只负责固定物体，运动由手臂完成）与手中操作（物体相对手掌运动，如用笔写字、转手机、多数工具使用）。对自由度少于六的手（实际上包括所有机器人手）做运动学分析可知：手中操作必须依赖接触处的相对运动——滚动、滑动、扭转或其组合。夹爪和钩子能实现固定抓握的灵巧性，但通用手中操作只能用多指手。因此全文聚焦"手指接触力的灵敏控制"。
四层基准体系与敏感性链。设 $d$ 为设计变量、$S$ 为系统级得分，理想基准要能给出 $\partial S/\partial d$，但完全集成系统的敏感性几乎测不出来（“拧罐盖任务对触觉感知空间分辨率有多敏感？"——没人答得上来）。于是拆层：
层级 例子 说明 组件级 触觉感知的空间分辨率 主要取决于单个组件 手级 指尖力控制的带宽与准确度 取决于机械设计+驱动+反馈控制的组合 系统级 拧上罐盖的平均时间 需要手+臂+视觉+控制+AI 完全集成 应用级 制造/居家/物流中的实际价值 含社会经济、接受度、ROI，本文不讨论 用 $\partial S/\partial H$、$\partial H/\partial C$、$\partial C/\partial d$ 串成链。但他们诚实标注了一个免责条款：这种连续敏感性分析捕捉不到策略的定性转变（他们举的例子是背越式跳高 Fosbury flop）。
系统级基准的两条路线：①分类法启发——源自人类抓握与手中操作分类学（Cutkosky 16 类 → Feix GRASP 33 类；Elliott & Connolly 按手指协同分 13 类运动；Bullock 按接触关系分类因而能跨手部形态泛化），衍生出 Coulson 的 YCB 基准、覆盖 6 抓握 + 12 原子操作的 POMDAR（用"成功率+时间"的吞吐量评估）、AHAP（8 种日常抓握 × 25 个 YCB 物体）。②以任务为中心——源自临床的日常生活活动评估（Jebsen–Taylor、SHAP、CAHAI、box and blocks），强调任务完成而非特定运动模式，因而更容易做成与具身无关的基准；衍生出 NIST 装配任务板、Dyson 家用衣物基准、以及 RLBench / ManiSkill3 / RoboMIND 等大规模仿真基准。
仿真基准的公认短板与真机回归：仿真难以捕捉感知噪声、接触动力学、硬件差异与环境不确定性。两个应对：Wang 等用 LLM 从 Open X-Embodiment / AgiBot World 中抽取交互原语、经专家评审得到 Great March 100；ManipulationNet 用可复现硬件套件 + 统一评估客户端做真机基准，同时评估低层操作与高层具身推理。Rajeswaran 的四原子任务（重定位球 / 手中转笔 / 开门 / 钉钉子）对应物体重定位、手中操作、环境道具操作、工具使用四类。DexBench 沿六个正交的"物体状态复杂度（OSC）“轴描述任务：几何复杂度、力敏感性、接触模式复杂度、观测不完整性、可变形复杂度、动态/时间复杂度，56 个评估案例覆盖 18 类任务。
HAND 自己的系统级基准（表 2）选任务五原则：原子任务；少于 20 个；难度与特征范围广；尽量选文献已有支持的；优先选"用手中操作会比固定抓握做得更好"的任务。任务描述符包括：直接与间接（工具使用）、被操作物与环境刚性、物体相对手的尺寸、必须控制的自由度数、约束复杂度（等式/不等式约束数量、容差、刚性）、任务过程中约束是否变化（接触的建立与断开）、准静态 vs 动态。每个任务还带参数化变体以便调难度。
手级基准的核心批评（本文最重要的一击）：现在灵巧手的 datasheet 条目（重量、指/驱动器/自由度数、Kapandji 评分、指尖重复性与准确度、最大速度、最大指尖力/捏力/抓握力）几乎是从工业机器人手臂的 datasheet 抄来的——“而工业手臂通常是为自由空间中的精确定位设计的，并非为与物体和环境的灵敏交互设计”。手的真正工作是动态、响应式、往往精细的协商（如拧螺母时管理从六自由度到单自由度的转换）。沿近端手臂→远端手指这条链，质量与惯量显著下降，而对灵敏力控、反向可驱动性、透明性的需求不断上升。
机械透明性三指标（作者提出，弥补动态性能缺口）。先立前提：稳定性与无源性给反馈控制设了根本限制，所以期望阻抗低时阻抗控制更可取，期望阻抗高时导纳控制更可取——机械臂体积大、主要做运动控制，从导纳控制获益最多；手指体积小、常要调节接触力（按按钮、插连接器、盖盖子），阻抗控制特别有前景。而好的阻抗控制需要机械透明性：执行器的力忠实传到环境、环境的力忠实传回执行器（双向力控制）。驱动链上每一级（齿轮箱、连杆、腱、滑轮）都引入柔顺性、惯性与摩擦/齿隙/齿槽/转矩脉动，双向扭曲力与运动的传递。三个指标，正反向各测一遍：
- 启动力 Breakaway force：克服传动静摩擦所需最小力。正向 = 指尖自由移动时产生指尖运动的最小指令力；反向 = 施加到指尖、能带动执行器运动的最小力。减速机构放大摩擦，反向驱动启动力通常远大于正向。不可反向驱动的传动手不应测反向启动力（有机械失效风险）。
- 力带宽 Force bandwidth：系统对变化力指令/环境位移的响应速度，取决于执行器与指尖之间传动路径的质量与柔顺性。正向用正弦力扫频测闭环响应衰减频率；反向用不可反向驱动的测力计向指尖施加速度扫频激励，拟合阻抗频率响应提取有效质量、刚度、阻尼——他们已测出一款无动力机器人手指的三个值，并用同一设备测了人类手指作对照（转载版数值缺失）。
- 力准确度 Force accuracy：NIST 手指力跟踪基准，指尖压在测力传感器上指令正弦力，报指令力与外测力之间的 RMSE（力控准确度）；另一个 RMSE 是内外力传感之差（指尖力感知准确度）。
- 他们还标注了模型的失效边界：阻抗测量只是局部动力学的线性近似，实际指尖阻抗随位形变化，传动非线性会产生幅值与历史相关的行为，模型抓不住。
组件级：驱动与传动。驱动器理想上应是"完美的力源”。除按质量归一化的比功率/比力外，鉴于人形手的尺寸约束，按体积归一化同样值得关注；静态指标描述不了动态性能，故需阶跃响应与控制带宽（驱动器测功机）、力-速度曲线（人工肌肉应变率与力强相关）、以及线性度/平滑度/迟滞这类定性指标。传动端最关键的是机械增益（输入输出力之比，连杆/腱/软传动中可能依赖构型），它从根本上扭曲正向与反向透明性之间的关系——手的空间与质量预算迫使大机械增益，而摩擦进一步加剧扭曲。腱传动被单独拆成腱/导向元件/端接三件：腱是许多机器人手中的主要失效源；端接通常是限制性失效点。
组件级：软皮肤——它其实是触觉传感器的物理前端。皮肤决定接触力如何分布到传感器；柔软皮肤能在低力下产生大接触斑、稳定抓握、简化滚动-滑动接触控制，但柔软度与耐久性反相关，所以很多厂商干脆不用软皮肤。材料常用 PDMS、铂金硫化硅胶、TPU、泡沫，用杨氏模量、抗拉强度、断裂伸长率、邵氏硬度表征；粘弹性会导致表面粘附与粘滑（stick-slip）；摩擦系数（最大切向力/法向载荷）可通过对配方、涂层、表面形貌图案化调节。“这些弹性体的磨损机制尚未得到充分研究，耐久性仅定性报告。”
组件级：感知——动觉 vs 触觉。两者共用四个维度：工作范围、分辨率、准确度、感知频率。动觉（关节位置/速度/加速度/载荷）的基准测试关注少得多，且作者强调孤立测单个传感器不够：把它塞进手的受限几何里才是关键约束，因此需要体积特定分辨率（每单位传感器体积的分辨率）这类指标。触觉传感关注多得多且仍是活跃领域， transduction 有压阻/压电/电容/磁/摩擦电/光学多路线；基于光学的（GelSight 一类）因依赖成熟视觉技术、易适配、易接 ML 而受广泛采用，Cong 等给出相机分辨率、视场、凝胶厚度、帧率、标定误差、空间分辨率、灵敏度、重复性、空间与光照鲁棒性等指标；Liu & Ward-Cherrier 提出与传感器无关的”基于触觉图像的心理物理学启发“基准，在空间敏锐度上评估准确度、稳定性、泛化性，且不止表征性能，还指导硬件优化。
🔑 一句容易被读漏但对我们最要命的话（Friedl & Roa 的结果）：在可变刚度夹爪上基准测试九个触觉传感器，发现夹爪刚度和驱动器角速度显著影响传感器性能。作者的结论是——“这突出表明，仅凭元件级指标可能无法捕捉集成条件下的真实世界行为。”
组件级缺口（作者明说）：① 驱动+传动缺乏评估其对机械透明性综合贡献的标准化指标；② 触觉感知”我们目前缺乏允许直接比较不同技术（包括其扩展到全手覆盖的适用性）的标准化表示和指标"；③ 软皮肤"没有标准化指标来报告交互过程中接触面积如何演化"。HAND 正在建四个测试台应对：腱传动效率台、腱强度与寿命台（拮抗电机拉动腱在滑动/滚动表面运动）、触觉感知准确度与分辨率台、用受抑全内反射（FTIR）测量人类与机器人指尖接触斑演化的接触斑测试台。
讨论部分的两条硬判断：① 仿真"迫切需要能够更好地在真实环境中建模机器人手的高效仿真器，包括腱、柔软皮肤、触觉传感器以及多个同时发生的硬和软接触"——硬接触的例子是拧罐盖时盖子从 6 自由度塌缩到 1 自由度，软接触的例子是卷袜子；域随机化只是部分解决。② 快速原型化"往往引入过度的摩擦、柔顺性、迟滞、蠕变、较差的强度与耐久性，以及其他对机械透明性产生负面影响的不良材料特性"——换句话说，用 3D 打印手采集的触觉数据，其质量被原型材料本身污染了。
金句
手不是简单地决定被操作物的运动；相反，手对任务和环境施加的物理约束作出响应，并与之协同工作。
这些指标沿用了工业机器人手臂所用的指标，而工业手臂通常是为自由空间中的精确定位设计的，并非为与物体和环境的灵敏交互设计。
当期望阻抗较低时，阻抗控制更可取；而当期望阻抗较高时，导纳控制更可取。机器人手臂体积大且主要用于运动控制，从导纳控制中获益最多。然而，机器人手指体积小且经常用于调节接触力，这使得阻抗控制成为一种特别有前景的方法。
仅凭元件级指标可能无法捕捉集成条件下的真实世界行为。
我们目前缺乏允许直接比较不同技术（包括其扩展到全手覆盖的适用性）的标准化表示和指标。
迫切需要能够更好地在真实环境中建模机器人手的高效仿真器，包括腱、柔软皮肤、触觉传感器以及多个同时发生的硬和软接触。
用于快速原型化的材料往往引入过度的摩擦、柔顺性、迟滞、蠕变……以及其他对机械透明性产生负面影响的不良材料特性。
皮肤的柔软度与其耐久性往往呈反相关，因此许多机器人手制造商避免使用柔软皮肤。 这些弹性体的磨损机制尚未得到充分研究，耐久性仅定性报告。
在缺乏多指手综合设计理论的情况下……我们设想设计反馈回路，使用（1）大量机器人手设计的仿真基准测试和（2）数量少得多的物理手设计实验基准测试。
质疑与核查
- 这是综述 / position，不是实验。 全文没有一个新测出来的数字（唯一接近的是那台无动力手指的阻抗拟合值，而转载版数值恰好丢失）。所有指标都是提议，未经社区接受、未经标准化。它可以用来定研究问题，不能用来当证据引用。
- 来源是一个个人公众号的转载/摘编。 没有原文出处链接，参考文献表写的是"参照原文"，公式全部缺失，图 3(c) 的人类手指对照数值是空白。我已标注，任何要写进论文的数字都必须回到原文献。
- 立场不中立——基准制定权本身就是权力。 作者明确说这是"HAND ERC 当前的视角"，而 HAND ERC 正在建一批测试台、有一台"旗舰级 DexNex 双手研究测试台"要推。它把灵巧性聚焦到"手指接触力的灵敏控制"，恰好就是它有设备的方向；它反复说"现有指标不够，需要新指标"，而新指标正是它在定义的那三个。读的时候要把"领域共识"和"这个中心的路线图"分开。 话说回来，它至少明说了自己在强加视角，比假装中立的综述诚实。
- 它切掉了最决定成败的那一层。 “应用级基准测试考虑社会经济因素、人类接受度、投资回报率……这些考虑因素超出了本文的范围。"——而安努智能那篇讲的全是这一层（MTBF 300h、单班回本 12-18 个月、工位 4 个月→3 天）。两篇正好互补：这篇给归因链但不含落地，那篇给落地指标但不含归因。 单看任何一篇都不完整。
- “手中操作必须依赖接触处相对运动"有个可能的例外，文章自己碰到了却没展开。 4.3 节提到软皮肤的粘弹性会导致表面粘附与粘滑（stick-slip），并把它列为"不利影响灵巧操作”。但粘滑本身可以被利用——在不发生宏观相对运动的情况下通过受控粘附实现重定位，这在原理上绕开了那个运动学论证。作者把它当缺陷处理，我认为值得反过来想。
- 对仿真进展的描述略显陈旧。 只提了域随机化，没提可微仿真、系统辨识、以及近期用真实数据校准接触模型的工作。它说"迫切需要更好的仿真器"是对的，但没说清为什么至今没人做出来——我猜不只是算力，而是接触力学本身的本构关系（摩擦、迟滞、磨损）就缺乏被广泛接受的模型。如果本构关系都没有，那"更好的仿真器"缺的不是工程，是物理。这个说法比原文更强，但也更值得验证。
- 机械透明性三指标只覆盖了力，没覆盖"接触几何”。 启动力/力带宽/力准确度全是标量力通道的量，而这篇自己在别处反复强调接触斑与接触面积演化才是关键。换句话说，作者自己提出的指标没有覆盖他自己指出的最重要缺口。 这是个真实的内部张力，也可能是个机会：把接触斑演化补成第四个透明性指标（“接触斑保真度”）。
- “灵巧性"定义里"或学习物理世界属性的能力"这半句被全文悬置了。 后面所有基准测的都是"产生期望的改变”（操作成功），没有任何一个指标测"通过学习接触获得了多少关于物体的信息"（比如通过摸来判断材质、刚度、内部状态）。但这半句恰恰是主动触觉感知（active tactile perception）的核心，也是触觉区别于"力控"的地方。 综述收在这个定义上却没往下走，是个明显的口子。
本文为阅读剪藏（摘要 + 摘录 + 评论），非原文转载。查看原文