第1章 具身智能：连接人工智能与物理世界
1.1 具身智能的前景与应用
1.1.1 具身智能的理论基础与学科融合
1.1.2 具身智能的应用场景
1.1.3 具身智能面临的挑战
1.2 灵巧操作在具身智能领域的地位与挑战
1.2.1 灵巧操作在具身智能领域的地位
1.2.2 灵巧操作面临的挑战
1.3 本书研究框架与内容概览

第2章 灵巧手结构
2.1 灵巧手整手设计
2.1.1 整体架构与仿生学设计理念
2.1.2 自由度设计与分布优化
2.1.3 驱动方式的技术演进与创新
2.1.4 刚性与柔性结构设计的融合创新
2.1.5 系列化产品布局与场景适配性
2.1.6 人机工程与安全性设计
2.2 灵巧手电机设计
2.2.1 微型空心杯无刷直流电机技术的特点
2.2.2 电机产品系列化与定制化设计
2.2.3 可靠性设计与耐久性测试
2.3 灵巧手传动组件设计
2.3.1 精密齿轮传动技术
2.3.2 直线传动模组创新设计
2.3.3 差动传动与自适应抓取机构
2.3.4 传动精度与回程差控制
第3章 灵巧手硬件系统
3.1 硬件系统整体概览
3.2 灵巧手驱动关键电路设计
3.2.1 电机驱动电路设计
3.2.2 电机驱动控制芯片电路设计
3.2.3 通信电路设计
3.2.4 电源电路设计
3.2.5 传感电路设计
3.3 硬件系统小结

第4章 灵巧手软件系统
4.1 系统软件架构
4.2 微型电机控制策略
4.2.1 空心杯电机
4.2.2 三相电压的磁链矢量表示
4.2.3 SVPWM算法
4.2.4 FOC算法
4.3 电子皮肤及力融合控制
4.4 灵巧手系统通信
4.4.1 灵巧手主、从MCU间的RS-485通信方式
4.4.2 灵巧手与上位机的CAN、CAN FD通信方式
4.4.3 灵巧手与上位机的EtherCAT通信方式
4.4.4 基于SPI实现灵巧手与电子皮肤的通信方式
4.5 人机交互界面
4.5.1 关节选择功能
4.5.2 全手校准功能
4.5.3 关节速度和电流的设置功能
4.5.4 指尖皮肤传感器数据交互功能

第5章 运动控制：灵巧控制基础
5.1 刚体运动学
5.1.1 多刚体运动学建模
5.1.2 正反运动学
5.1.3 灵巧手抓取运动学
5.2 灵巧操作中的阻抗控制
5.2.1 原理概述
5.2.2 灵巧手自适应阻抗控制应用
5.2.3 小结
5.3 灵巧手力位混合控制
5.3.1 力位混合控制的基本原理
5.3.2 灵巧手力位混合控制应用实例
5.3.3 小结
5.4 接触约束下的灵巧手控制
5.4.1 灵巧手接触约束控制的基本原理
5.4.2 接触约束下的灵巧手运动控制应用实例
5.4.3 小结

第6章 仿真与训练环境：通往现实的试验场
6.1 仿真环境
6.1.1 仿真平台介绍
6.1.2 灵巧手仿真平台的选型
6.2 灵巧手操作从仿真到现实的挑战
6.2.1 仿真到现实差距的系统性来源
6.2.2 域随机化：以多样性对抗不确定性
6.2.3 域自适应与系统辨识方法
6.2.4 仿真与真实结合的混合训练范式
6.3 数据集与基准测试：衡量灵巧操作能力的标准
6.3.1 灵巧操作数据集的发展脉络
6.3.2 DexMimicGen：自动化模仿数据生成
6.3.3 灵巧操作基准的设计原则
6.3.4 构建完整的数据集硬件与平台体系
6.4 灵巧手仿真实践：本地搭建Isaac Lab训练环境
6.4.1 前置准备
6.4.2 系统要求
6.4.3 Isaac Lab安装步骤
6.4.4 运行Isaac Lab灵巧手强化学习Demo
6.4.5 常见问题排查

第7章 模仿学习与强化学习：高效获取操作技能
7.1 模仿学习：从人类演示中快速学习
7.1.1 模仿学习的基本原理与方法
7.1.2 模仿学习的实现方法
7.1.3 模仿学习在灵巧操作中的应用
7.1.4 小结
7.2 强化学习在灵巧操作中的应用
7.2.1 强化学习原理与求解方法
7.2.2 强化学习在灵巧操作中的应用
7.2.3 小结
7.3 模仿学习和强化学习融合的灵巧操作案例

第8章 具身智能灵巧操作模型
8.1 具身智能灵巧操作基础模型汇总
8.2 基于 Transformer的VLA路线
8.2.1 模型架构：从感知与语言到动作的统一Transformer
8.2.2 数据来源：真实机器人多任务轨迹+互联网级图文语料
8.2.3 如何训练：多任务行为克隆与多源联合优化
8.2.4 如何推理：闭环控制、语义泛化与安全约束
8.2.5 OpenVLA
8.3 以Diffusion Policy和Octo为代表的扩散式策略网络
8.3.1 为什么用“扩散”来做灵巧操作策略
8.3.2 Diffusion Policy：面向灵巧操作的“局部”扩散策略
8.3.3 Octo：大规模多模态Transformer+扩散动作头的“通用策略”
8.3.4 代码实现与运行方法
8.3.5 扩散策略路线在灵巧操作中的位置
8.4 基于上下文学习的具身智能灵巧操作模型
8.4.1 为什么灵巧操作需要“上下文学习”这种新范式
8.4.2 ICRT 解决的核心问题：机器人的“语境适应”难题
8.4.3 数据从哪里来？大规模多任务演示 + 人工采集的多任务场景
8.4.4 模型长什么样？多模态编码+Transformer下一个token预测
8.4.5 怎么训练？长上下文窗口、跨轨迹拼接，以及“只对回答计算 loss”
8.4.6 推理是怎么跑的
8.4.7 它到底表现如何？在未见任务上领先Octo和OpenVLA
8.4.8 这些设计对灵巧操作意味着什么
8.4.9 代码实现与运行方法
8.4.10 技术路线之争：用Transformer还是Linear Attention
8.4.11 ICL 正在把“灵巧操作”从“硬件问题”变成“世界模型问题”
8.5 小结

第9章 灵巧操作应用
9.1 家庭服务场景下的灵巧操作
9.1.1 家庭环境感知与场景建模
9.1.2 家庭任务决策与动作规划
9.1.3 抓取执行阶段的力控反馈闭环机制
9.2 灵巧操作工业场景应用
9.2.1 工业应用场景概述
9.2.2 典型工业装配应用：轴孔装配
9.3 EAI for Science
9.3.1 AI for Science的现状
9.3.2 面向科学实验的具身灵巧操作应用方案
参考文献