机器人是自动化的「最后一公里」
而灵巧手则是机器人的「最后一厘米」
阶段一：灵巧手机械结构与传感器基础（1个月）
学习目标：
• 了解灵巧手的分类、主流驱动结构及机械构型
• 掌握触觉传感器的种类及其应用方式
核心内容：
1. 灵巧手机械结构分类：
￮ 绳驱结构（如 Shadow Hand，自由度最多）
￮ 连杆传动（如 Robotiq 3-Finger）
￮ 电机直驱（如 Allegro Hand，也多用于三指灵巧手的设计，如韩国TESOLLO，宇树Dex3-1等）
￮ 柔性材料驱动（如气动手，形状记忆合金手等）
2. 触觉传感器分类与原理：
￮ 视触觉（如 DIGIT、GelSight）
￮ 磁感式（如 MAGNETO）
￮ 压阻/电容式皮肤阵列(GitHub, Reddit)
推荐项目：
• Shadow Hand URDF模型：
￮ shadow-robot/sr_common
• Allegro Hand ROS控制包：
￮ simlabrobotics/allegro_hand_ros_v4
• DIGIT触觉传感器接口：
￮ facebookresearch/digit-interface
• GelSight仿真环境：
￮ danfergo/gelsight_simulation(GitHub, GitHub, GitHub)
阶段二：操作算法入门与模仿学习（1–2个月）
学习目标：
• 掌握模仿学习的核心技术及其在灵巧手任务中的应用
• 探索基于视频或遥操作数据的策略训练方法
核心内容：
1. 行为克隆（Behavior Cloning, BC）与DAgger
2. 基于视频的数据驱动方法（如 BC-Z）
3. 视觉语言动作大模型（如 π₀，DexVLG）(GitHub)
推荐项目：
• 基于模仿学习的灵巧操作技术综述：
￮ Dexterous Manipulation through Imitation Learning:A Survey https://arxiv.org/html/2504.03515v3
• LeRobot多任务模仿学习框架：
￮ huggingface/lerobot
• RoboMimic模仿学习平台：
￮ ARISE-Initiative/robomimic
• BC-Z策略实现：
￮ BC-Z/Bcz_policy
• π₀模型开源实现：
￮ Physical-Intelligence/openpi(Hugging Face, GitHub)
• DexGraspVLA：迈向通用灵巧抓取的视觉—语言—动作框架：
￮ 项目链接：https://github.com/Psi-Robot/DexGraspVLA
阶段三：强化学习基础与高维控制（1–2个月）
学习目标：
• 理解强化学习的核心理论，掌握基础算法
• 应用于高维动作空间的灵巧手控制
核心内容：
1. 马尔可夫决策过程（MDP）
2. 策略优化方法：REINFORCE、PPO、DQN、SAC、A2C
3. 经验回放与探索机制
推荐项目：
• Easy-RL中文教程：
￮ datawhalechina/easy-rl
• 王树森强化学习课程资料：
￮ wangshusen/DRL
• 60天强化学习挑战：
￮ MLEveryday/60_Days_RL_Challenge
• Morvan Zhou强化学习入门教程：
￮ MorvanZhou/Reinforcement-learning-with-tensorflow
• DI-engine强化学习框架：
￮ opendilab/DI-engine
• DexSinGrasp：基于强化学习实现物体分离与抓取统一策略：
￮ 项目链接：https://github.com/davidlxu/DexSinGrasp
阶段四：数据采集系统与遥操作（1个月）
学习目标：
• 构建低成本高精度的遥操作数据采集系统
• 支持灵巧手的数据集采集需求
核心内容：
1. VR手柄配套系统
2. 数据手套（如 Manus、Hi5）数据映射与存储
3. ROS驱动数据采集与回放
推荐项目：
• TCDM-VR数据采集系统：
￮ tcdm-vr/tcdm-vr
• 外骨骼手套控制：
￮ AirGesture/exo-hand
• DexWild数据采集系统（卡耐基梅隆大学）：
￮ 项目链接：https://dexwild.github.io/
阶段五：仿真平台部署与Sim2Real迁移（1–2个月）
学习目标：
• 在仿真环境中部署灵巧手策略
• 完成Sim2Real策略迁移
核心内容：
1. Mujoco平台部署与测试
2. Domain Randomization、视觉Sim2Real、动力学微调
3. 安全强化学习与多模态迁移策略（触觉 + 视觉）
推荐项目：
• DAPG灵巧手训练：
￮ aravindr93/DAPG
• Diffusion Policy for Dexterous Hand：
￮ Columbia-DexterousManipulation/Diffusion-Policy
• Shadow Hand在Isaac Gym中的实现：
￮ NVIDIA-Omniverse/IsaacGymEnvs
• TCDM灵巧手Benchmark：
￮ tcdm-vr/tcdm-benchmark
• Humanoid-Gym人形机器人迁移：
￮ roboterax/humanoid-gym(diff-control.github.io)
