导读： 灵巧手的电机数量常被当成成本项，少装一个就少一份重量和一份线束。这个数字决定的其实是另一件事：手指能不能停在想要的角度上。一台 16 自由度、6 电机的手，缺掉的 10 个自由度不靠电机补，靠关节里的锁，代价写在解锁的 200 ms 里。
导读： 指尖一打滑就加力，是控制里最直觉的一步。摩擦锥的算式把这件事写死了：法向力与摩擦系数成反比，摩擦系数掉三分之二，力就得涨三倍。人手在 100 毫秒里完成这次调整，机器人的链路要走 31 毫秒，而指面一沾油，整笔账又要重算。
导读： 一台四足机器人的关节样机，额定转矩 2.32 N·m，极限转矩 17 N·m，规格书写成 7.33 倍过载。这个倍数由电磁算出来，不由热算出来。同一台电机在 135 A 下的铜耗是额定工况的一百多倍，绕组热容只够吸收几秒。能撑多久取决于铜有多重，不取决于控制器把电流限到多少。
导读： 腱驱灵巧手把电机挪到手背或前臂，靠一根绳子把力送到指尖。绳子走的不是直线，它要穿过套管绕过关节，每绕过一个弯就有一份摩擦被扣掉。总包角做到 180 度时，输入扭矩传到输出端只剩 62%；做到 270 度，只剩 49%。这份折扣不写在任何一个零件的规格表里，它藏在包角的积分里。
导读： 视觉语言动作模型的精度不够，第一反应是把相机分辨率提上去。开源模型 OpenVLA 做过这组对照：224 像素和 384 像素在多项任务上的成功率没有差别，而后者训练时间要三倍。边长只乘 1.7，视觉 token 数乘 2.85，自注意力的计算量乘 8.1，多出来的算力全花在背景像素上。
导读： 关节模组的规格表上，编码器位数是最容易比较的一项，19 位、20 位、21 位，数字越大看着越准。把 19 位换算到减速器输出端，分辨率是 0.025 角秒；同一台关节在额定力矩下的扭转变形是 2063 角秒，两者差 8 万倍。位数买到的是分辨率，精度卡在传动误差、刚度和背隙上，这三项都在减速器里。
导读： 把视觉策略的推理频率压到 5 Hz，一次吐出上百步动作，看上去把算力问题解决了。代价藏在时间轴上：块长 2 秒，最坏情况是两秒看不到新画面。决定块长的不是芯片算力，是扰动发生的时间尺度。
导读：深度相机的标定能把系统误差压到零点几个像素，可随机误差一点不动。飞行时间的相位噪声换算成距离要乘一个系数，而这个系数是固定的；噪声本身却随回波信噪比恶化。两件事相乘，误差就长成了距离的平方。
导读：把触觉铺满机器人全身，卡住的通常不是传感器本身。单点灵敏度和柔性封装这几年进步很快，真正拖住规模化的是读出：单元数一多，逐行扫描的时间就被拉长，串扰跟着上来，带宽也不够用。业界最近的三条路线，改的都是这个环节。
具身智能的控制，很依赖一个模型：机器人各个连杆的质量、质心位置和转动惯量。这些参数通常由机械设计给出，写在三维模型里，看上去是确定的。真到了控制环里，事情没那么简单。线缆、散热、紧固件、线束走向，都会让实际的质量分布和图纸上有偏差，而这些偏差会直接影响平衡和步态。
机器人要跟人协作、要抓鸡蛋、要拧螺丝，光会精确走到某个位置不够，还得能在接触的一瞬间把力收住。这种"碰到就软下来"的能力，靠的是阻抗控制。
人形机器人和可穿戴设备这两年的关节，越来越流行一种叫准直驱的做法：电机前面只挂一级低减速比的减速器，传动比从传统工业机器人的一百比一上下，砍到十比一甚至更低。这么做的好处很实在，关节变得能反着推、能靠电流估出力矩、碰撞时能顺势让开。代价也跟着来：减速比小了，扭矩放大得少，绝大部分力矩得由电机自己出。电机要做得又大又有劲，劲大了转速又上不去。一篇发表在 Actuators 上的论文，讨论的就是这个死结能不能从绕组上解开。
机械手要拿稳一个易碎的东西，靠的不只是视觉，还有指尖上那一点力。把力传感器做进指尖是很多年的目标，但传感器一缩小，六个轴的灵敏度就开始打架。成均馆大学和 Aidin Robotics 的一篇论文给出了一颗 10 毫米见方的电容式六维力传感器，做法是用一个数学指标把六个轴拉平。
让机械手抓住一个易碎的物体，难点往往不在视觉，而在接触发生的那几毫秒。压力大了会碎，小了会滑，留给控制器的判断窗口很窄。哥伦比亚大学的一支研究团队把压电薄膜和电容两种传感方式叠在同一根手指上，用 4 千赫兹的采样率去抓接触的起始和断裂瞬间，再靠基于人类反馈的强化学习去微调出力的大小，做成了以往没做到过的一件事：在灵巧手里摆弄易碎物体。
两台机器人一起抬一件东西，或者一台机器人与人各抬一端，动作对不对不看轨迹像不像，看的是力。人往左使劲，机器人的手要跟着让一点，否则东西会被拧。这条判断线在视觉里看不出来，在力矩传感器里是明摆着的。
