DexHand 技术博客：灵巧手仿真、控制、选型与评测
面向开发者与研究员的实操文章，每篇解决一个具体问题。共 20 篇，持续更新。
- 在 Isaac Sim 里跑通一个抓取策略：从 URDF 到第一次成功抓取
教程：把灵巧手 URDF 导入 NVIDIA Isaac Sim，配置关节驱动与碰撞体，用示教或 RL 策略完成第一次抓取，并导出 HDF5 / RLDS 数据。附常见报错排查。 - 用 ROS 2 控制灵巧手：话题、控制周期与安全层怎么设计
工程指南：灵巧手的 ROS 2 接口设计——JointState / JointTrajectory 话题、ros2_control 硬件接口、EtherCAT 周期、限位与力矩安全层、仿真与实机切换。 - 灵巧手选型指南：先问三个问题，再看五张清单
如何为具身智能 / 人形机器人项目选择灵巧手：任务类型、策略来源、预算阶段；灵巧手 vs 三指夹爪 vs 两指夹爪对比；自由度、驱动、软件、验证、商务五张清单；推荐的四步路径。 - Shadow Hand、Allegro Hand、LEAP Hand 怎么比：公开参数与选型视角
以公开资料对比三款研究界常见灵巧手：Shadow Dexterous Hand（24 DoF）、Allegro Hand（16 DoF）、LEAP Hand（16 DoF，开源低成本），从自由度、驱动方式、生态与价格定位分析，并说明 DexHand Benchmark 如何做中立对比。 - 灵巧手到底需要多少自由度？按任务算，不按参数表算
从任务出发估算灵巧手自由度：抓握 / 拿放、工具使用、在手操作、遥操作各需要多少 DoF；人手约 20+ DoF 的参考；自由度与成本、Sim2Real 难度的关系。 - MuJoCo 灵巧手仿真入门：从 URDF 到接触稳定的抓取（mujoco dexterous hand 实践指南）
以 DexHand-5F 的 URDF 为例，讲解在 MuJoCo 中搭建灵巧手仿真的完整流程：URDF 转 MJCF 的常见坑、接触参数调优顺序、执行器与实机控制模式对齐、抓取稳定性验证与 HDF5/RLDS 数据导出，并附常见问题速查。 - URDF 关节限位常见坑：为什么你的手指在仿真里抽搐（urdf joint limits 排查清单）
灵巧手模型在仿真里手指乱抖、拇指穿模、关节卡死，多半是 URDF 关节限位写错。本文按限位、单位方向、mimic 耦合、自碰撞四类坑给出排查顺序、症状对照表和发布前检查清单。 - Sim2Real 抓取迁移：把仿真里学会的策略搬到实机前的 7 个检查点（仿真到实机 抓取实践）
面向灵巧手与夹爪开发者的 sim2real grasping 检查清单：从 URDF 一致性、接触参数、观测对齐，到控制时序、数据格式与分阶段验证，7 个检查点帮你在碰硬件前排除大多数迁移失败原因。 - RLDS 还是 HDF5：机器人操作数据该用哪种格式（rlds hdf5 robot dataset 选型指南）
对比 RLDS 与 HDF5 两种机器人数据格式在采集、训练、分发环节的差异，给出“HDF5 采集、RLDS 分发”的实用流程，并说明如何在 DexHand 工具链中落地，附免费数据集样本。 - 灵巧手 vs 两指夹爪：什么任务值得上灵巧手（Dexterous Hand vs Gripper 选择指南）
从物体、动作、环境三项拆解任务，给出两指夹爪、三指自适应夹爪与五指灵巧手的选择边界与对照表，并说明如何用仿真和远程测试低成本验证，避免为不需要的自由度付费。 - 人形机器人灵巧手成本拆解：钱花在哪里，哪里能省（Humanoid Hand Cost Breakdown）
把一只人形机器人灵巧手的成本拆成电机、传动、驱动总线、传感、软件集成与验证六部分，说明哪些是随自由度线性增长的硬成本，哪些可以靠仿真、远程实机测试和分阶段采购压缩。附 DexHand 各档位价格与选型建议。 - 灵巧手开发套件选购清单：下单前逐项核对的 20 件事（Robot Hand Dev Kit Checklist）
面向工程师与研究员的灵巧手开发套件选购清单：从自由度、总线、控制器到仿真、数据集、验证路径与采购条款，20 项逐条核对，并以 DexHand-5F 为例逐项对照，减少到货后才发现不匹配的返工。 - DexHand Benchmark 2026：灵巧手评测为什么要开放，第一批 dexterous hand benchmark 基线怎么来的
DexHand Benchmark 2026 是一个开放的灵巧手评测：五项指标（自由度、负载、夹持力、重复精度、延迟）、规程开源、入榜免费。本文说明为什么做开放评测、首批基线为何标注“仿真/公开数据”，以及如何提交或认领记录。 - 灵巧手评测怎么做才公平：可复现规程的 6 条原则（robot hand benchmark method）
灵巧手评测方法常因规程不透明而无法横向比较。本文给出 6 条可复现原则：先定义指标口径、区分仿真与实测、固定物体与夹具、公开失败案例、统一延迟测量链路、规程开源可审计。附 DexHand Benchmark 2026 的指标与基线说明。 - 具身智能的灵巧操作：为什么“手”是下一个瓶颈（dexterous manipulation for embodied AI）
感知与移动基本成熟后，具身智能的短板落在末端执行器。本文从自由度、数据闭环、控制栈与评测四个维度拆解灵巧操作的工程难点，并给出五指手与三指夹爪的选型思路与可落地的开发路径。 - VLA 灵巧手落地指南：数据、动作空间与接口如何对齐（vla robot hand）
面向工程师的 VLA 灵巧手实践笔记：如何选择关节级或低维动作空间、用 HDF5/RLDS 组织示教数据、通过 ROS 2 与仿真实机同一控制器打通闭环，并给出一条可复现的最小验证流程。 - 灵巧手市场 2026：需求从哪里来，哪些技术路线在竞争（Dexterous Hand Market 解读）
面向工程师与研究员的灵巧手市场 2026 观察：拆解人形整机、科研、工业末端三类需求的采购逻辑，对比直驱、腱驱动、欠驱动等技术路线的工程取舍，并给出选型前的核对清单与公开自由度基线。 - 触觉传感与抓取：什么时候需要触觉，需要哪种（tactile grasping 选型指南）
面向工程师的触觉传感 抓取选型：先判断任务是否真的需要触觉，再按滑移检测、力控、接触定位等需求匹配六维力、压力阵列、视觉触觉等类型，并给出数据与仿真接入建议。 - 机器人本地推理 vs 云端推理：延迟、隐私与成本怎么选（Edge Inference Robotics 实践指南）
机器人 本地推理 云端 怎么选？本文按控制环、感知、任务规划三层拆解 edge inference robotics 的延迟、隐私与成本取舍，给出混合架构落地清单，并说明如何用 DexHand 仿真与 ROS 2 工具链低成本验证方案。 - 一人公司做机器人创业：用 AI 智能体跑通内容、客服、订单（Solo Robotics Startup 实操）
机器人创业不一定要先组团队。本文拆解 solo robotics startup 的三条流水线：内容、客服、订单如何交给 AI 智能体执行，人只负责硬件、事实核对与签发，并给出 DexHand 自身的产品阶梯与页面结构作为可复用模板。
English
Hands-on articles on dexterous-hand simulation, ROS 2 control, selection and benchmarking.