机械手——作为机器人的末端执行器(End-Effector)，在上身操作和抓取任务过程中起到至关重要的作用。但由于真实人手的高自由度、结构紧凑、复杂等特征，绝大多数机械手都无法“复制”人手的功能，其设计和功能都是在某些特定场合和功能要求下的简化和权衡。

1. 高自由度的灵巧性：

我们首先抛开主动控制（Active Control）和被动适应(Passive Compliance)这两种类型的自由度不谈，也抛开全驱动（Fully-actuated）和欠驱动（Under-actuated）这两种自由度的驱动方式不谈，我们先来粗略分析一下真实人手的自由度(Degree of Freedom)。

如果我们定义每根手指闭合屈曲(Flexion)的方向为Pitch，那么:

对于Pitch方向的自由度：食指-中指-无名指-小拇指-大拇指每个都有3个，所以总计为3*5=15个，如上图分布。

对于Roll方向的自由度：食指-中指-无名指-小拇指，在每根手指的指根关节（Metac Arpophalangeal Joint）都有1个Roll，而大拇指则比较特殊，具有2个Roll，所以Rol方向l总计为4+2=6个，如上图分布。

那么整体人手的自由度为15+6=21个。（我们这里不统计手腕关节带来的6个自由度)

也许大家对21个自由度没有明确的概念，我们可以做一个对比：一条机械人单腿是6个自由度，一条机械臂一般是7个自由度，21个自由度得需要多么复杂的设计才能实现。

如何应付如此高自由度的机电系统设计，一般有如下两种方向的做法：

减少驱动器的数量，带来了如下按照驱动方式的分类：

全驱动机械手（Fully-Actuated Hand）：电机的数量等于所设计自由度的数量；

欠驱动机械手（Under-Actuated Hand）：电机的数量小于所设计自由度的数量。

减少冗余手指的数量：功能的前提下，手指的数目由3指、4指到5指不等。

整体来说，按照目前学术界技术发展的整体水平：

我们目前还是无法在紧凑、、与性的前提下“复制”人手高自由度的灵巧性。

2. 高抓重比的鲁棒性：

抓重比（Grasping-Weight-Ratio）：指的是机械手垂直抓握物体的重量和机械手本身重量的比例，是一个比较好的衡量机械手鲁棒性（Robustness）的指标。

为什么我们这里要提和自身重量的比例？

因为很多机械手在设计的时候，根本没有考虑到和实际人形机器人集成（Integrated）的问题。具体来说，很多全驱动机械手的重量在4-5kg左右，当你集成在固定基座的机械臂上时，可能还看不出太大弊端，但如果是集成在双足机器人（Biped）上，这个重量的机械手对于步行（Locomotion）和操作（Manipulation）的控制简直就是灾难——很多机械臂的末端执行器负载都是在5kg级别，一只机械手都已经快4-5kg，何谈带负载的抓取能力呢？

人手的抓重比：

人手的重量一般是人体体重的0.58%左右，设一个70kg的成年人，他手的质量大约为406g。只要你是正常人，你应该毫无问题垂直抓握住一个5kg的哑铃，这个情景下机械手的抓重比已经达到12.3。而实际人类的抓握能力应该是数倍**12.3这个数值。

机械手的抓重比:

一只能与人机器人集成的机械手，垂直抓重比能够达到2.5以上已经算是很好的性能了，差距可见一斑。（垂直抓握物体，物体的重力仅由抓取力产生的摩擦力平衡）

3. 全覆盖高灵敏度的传感性：

说到传感的特征，这个方面实际人手应该甩机械手的应用与发展几十条街。目前当我们谈到机械手的传感反馈的时候，我们仅仅是在谈论:

手指位置反馈：通过位置传感器实现；

手指力反馈：一般通过触觉传感器或者驱动电机电流环反馈实现；

手指温度反馈：通过热敏电阻实现。