手内操作是在物体被抓取后，通过手部内部的接触动作改变其姿势。滚动、受控滑行、手指步态和后退动作都能发挥作用。这项任务比握持更难，因为接触位置和稳定性余度在动作过程中会发生变化。
目标物体姿态不指定可行的手指顺序。控制器必须估计物体和接触状态，遵守关节和力极限，避免手指碰撞，并在滑动变成坠落前恢复。物体形状、摩擦力和执行器顺应性可能只能部分了解。
请阅读机器人 触觉传感器指南 和 抓握稳定性指南。评估完整的初始抓取目标与释放过程，包括重置和安全中止。
定义目标框架、目标和成功容忍度
指定任务是否需要旋转、平移或两者兼有，并用命名的对象或手框表达目标。视觉对称的对象可能允许多种等效方向，而键控连接器则不允许。
成功应包括最终姿态容忍度、保持时间、接触状态以及对下一个任务的准备。只有在物体已经下落时才达到的姿势，并不算是成功的操作。
区分滚动、滑行、手指步态和后退步
滚动改变两个表面的接触位置，且不会造成粗重滑移。滑动在受控摩擦下移动接触面。手指步态移动一个或多个手指，其他手指支撑物体。重抓可能暂时松开并建立新的握把。
实际运动通常结合这些模式。给控制器显式的模式标签或潜态证据，定义过渡条件，而不是假设平滑轨迹使用单一接触模型。
| 接触模式 | 实用能力 | 主要风险 | 需要记录的证据 |
|---|---|---|---|
| 滚动 | 精确的局部重定向 | 未建模曲率 | 接触路径 |
| 滑行 | 体式变化很大 | 失控滑道 | 剪切与速度 |
| 指步态 | 扩展可达方向 | 暂时的弱握 | 支援联系 |
| 再抓 | 逃逸节极限 | 发布时的掉落 | 物体姿态与支撑 |
| 混合动力 | 灵活行为 | 模态歧义 | 过渡信心 |
在不隐藏遮挡的情况下估计物体姿态
外部摄像头可以估计全局物体姿态，但当接触变得重要时，手和物体会恰好遮挡对方。多视角视觉、腕部摄像头或基于模型的追踪可能减少盲区，但不完全消除。
OpenAI Dactyl报告描述了多摄像头姿态估计和模拟训练，用于真实的手部重新定位。将其设计视为该系统的证据，而非任何物体和手部都能使用相同传感器或策略的证明。
使用触觉感应来检测局部接触和初始滑移
触觉阵列可以揭示视觉无法通过手指看到的接触位置、压力重新分布、剪切和振动。传感器盖和柔软的指尖改变了原始信号与物理扳手之间的关系。
校准安装的手指和温度范围。将触觉证据与物体姿态和关节状态融合，并在指尖湿透、脱离或外部接触时保持不确定性。
轨迹抓握稳定性
当手指移动或质心相对于重力旋转后，稳定的初始抓握可能会变得不稳定。接触扳手组、法向力和关节转矩裕度必须在该事件中重新计算或近似。
当预测或感知的余距下降时，限制物体的加速度和手指运动。更大的挤压并非万能恢复，因为它可能会卡住预定滑套、饱和执行器或损坏物体。
在手指运动学和碰撞限制内进行规划
灵巧的手有许多关节，但也有较小的工作空间、紧咬的肌腱、回程间隙和自我碰撞。一个单独可达到的指尖姿势，在其他手指和物体存在的情况下可能无法实现。
追踪关节极限距离、肌腱或执行器负载及碰撞间隙。在当前接触达到极限前，规划一个指尖步态，留下支撑路径通往下一个接触点。
束缚力、速度与易碎物体损伤
力限应反映物体、指尖表面和接触位置。薄壳、灯泡和包装可能低于手部执行器极限而失效。即使最终指令力较小，快速的手指动作也可能产生冲击。
在可行的情况下测量峰值和整合负载。在有价值或锋利物品进入测试集前，包含可破坏的替代物并定义停止行为。
稳定接触模式跃迁
噪音过大的触感会导致摇杆和滑动逻辑的快速切换。加上滞后、最小停留时间和信心要求。控制器应在另一根手指卸载前知道当前携带的手指。
在过渡边界附近测试，带有摩擦变化、小扰动和传感器延迟。仅适用于固定摩擦系数的策略尚未学会稳健过渡。
使用故障、干预和恢复数据进行训练
成功轨迹低估了落差前的状态。收集初期滑脱、初始抓握不良、关节饱和、阻塞、意外接触、安全中止及人工干预，并用同步标签进行。
根据预期的泛化主张，分别进行训练、验证和测试对象。同一对象和事件中的随机帧无法确定转移到新的几何体或材料。
使用模拟而不假装接触是精确的
仿真可以生成多个接触，并随机化质量、摩擦、顺应性、延迟和执行器行为。它对广泛的策略训练很有用，但接触和肌腱动态可能与硬件有重大差异。
快速运动适应研究展示了在线适应模拟训练中指尖的真实旋转。重现部署包络线，测量适应失败之处，而非将物体计数作为通用能力。
评估路径、掉队和恢复，而不仅仅是最终成功
报告角度和平移误差随时间变化、完成时间、路径长度、峰值力、节隙间距、接触转移次数、落差、复位及安全中止速率。按物体、初始抓取、目标和扰动划分结果。
公平对比可以明确复位辅助和物体跟踪条件。计数试验需要手动重新定位，因为它们影响吞吐量和自主性。
| 测试因子 | 关卡 | 度规 | 失效证据 |
|---|---|---|---|
| 目标 | 形状、质量、摩擦力、脆弱性 | 成功与损害 | 对象身份 |
| 初步理解 | 接触与姿态变化 | 可达目标速率 | 起始状态 |
| 目标 | 轴与角 | 姿态误差与时间 | 对称集 |
| 扰动 | 推、遮挡、传感器延迟 | 恢复率 | 事件时间戳 |
| 部署 | 温度与磨损 | 漂移与中止 | 硬件版本 |
发布一个可恢复的操作信络
记录手部、指尖皮肤、传感器、物体组、初始抓取分布、目标定义、控制速率、力限制、重置策略及排除条件。保持视频与同步日志的关联，而非仅展示部分成功案例。
发布时要有一份简明的清单。
评估“机器人手内操作：滚动、滑移、手指步态与重抓”时，还应保存模型版本、机器人配置、标定文件、测试日期和全部试验记录。把成功、失败、恢复与人工介入放在同一份数据中，才能区分模型能力、系统接口和现场流程造成的差异。
成本评估除了设备与算力，还要记录数据采集、工程调试、安全措施、维护、停机和人员培训。只有把这些持续投入与单位成功任务的价值比较，才能判断方案是否适合扩大。
上线后仍要持续检查分布变化、传感器漂移、机械磨损和人工接管原因。监测结果应能触发降级、停止与重新验证流程，并为下一轮数据采集和模型更新留下可追溯记录。
最终结论应明确写出已知限制、尚未验证的场景和下一项可证伪的实验，使后续团队能够沿着证据继续推进。
实际项目还应指定数据、模型、控制器和安全流程的负责人，并预先定义回滚条件。责任边界、审批记录与变更日志越清楚，故障发生后越容易停止扩散、定位原因并安全恢复。
把任务拆成感知、决策、动作执行和结果确认，可以更准确地定位瓶颈。每一阶段都应有独立指标与失败示例，避免用端到端成功率掩盖偶发但严重的风险。
引用的产品规格、论文结果和监管要求需要记录发布日期与适用版本。资料更新后应重新核对关键结论；无法从一手来源确认的内容，应明确标注为待验证信息。
小规模试点的价值在于提前暴露接口、人员协作和异常处理问题。试点结束后应依据预设门槛决定扩大、修改或停止，而不是因为已经投入资源就默认继续。
所有结论都应能够追溯到原始记录，并可复核。
- 说出物品和手框。
- 跟踪接触模式和支撑设置。
- 绑定关节、碰撞力和损伤余地。
- 训练并测试传感器掉落和恢复。
- 报告成功撤销、重置和干预。
常见问题
手中操作和回溯是一样的吗？
不行。重抓是一种策略；滚动、滑行和手指步态可以在保持其他接触的同时改变物体姿势。
仅靠相机能估算物体姿势吗？
在某些设置中可以，但手部遮挡和视觉模糊的物体通常需要多视角、运动模型或触觉证据。
多用手指总是更好吗？
不会。更多的手指不仅增加了接触点和控制权限，还包括感应、校准、碰撞、触发和规划的复杂度。
有学问的策略能拥有兵力限制吗？
策略可能会提出行动建议，但对于验证过的风险和损害范围，仍需独立执行的硬件和监管限制。
除了成功率之外，还应该衡量什么？
姿势轨迹、时间、力、关节间隙、接触转换、投放、重置、干预和恢复成功率揭示可部署性。
接触模式与可恢复运动边界
灵巧动作应当是可预测的失败。在学习和部署期间，将物体损坏、能量掉落和手指夹击危险物保持在独立执行的防护范围内。