Kinematic Optimization of Phalanx Length Ratios in Robotic Hands Using Potential Dexterity

48 種拇指設計 × 27 種手指設計，韓國機械研究院窮舉測試五指機械手的全部可行配置後發現：各指節並非「貢獻相等」，末端指節主導精密控制、近端指節擴展工作空間，而加大某一指標的加權係數，不必然讓該指標實際最大化。

不必指定物件就能量化的五指靈巧性框架

機器人手的研發通常分兩階段：先設計再驗證。設計初期往往沒有明確的抓取任務或特定物件，導致設計師只能靠經驗拍板指節長度。本研究聚焦「潛在靈巧性（potential dexterity）」——手在無物件互動前提下，憑純運動學結構所展示的姿勢多樣性與可達範圍——作為評估標準，不需事先定義目標物件或操作任務，屬於前置設計階段可直接套用的框架。

研究對象是一隻五指仿人手：四根手指各具 4 個自由度（3 個屈伸 + 1 個內收/外展），拇指具 5 個自由度（3 屈伸 + 1 內收外展 + 1 對掌/復位）。全手長度正規化為 1，手指總長設定為 0.45，拇指為 0.51，以 0.01 為單位離散化，每段指節至少 0.10 以防退化構型。可行設計候選共有 48 種拇指配置 × 27 種手指配置，研究者對所有組合進行窮舉評估。

四項量化指標：從工作空間體積到末端靈敏度

框架以四項指標共同衡量潛在靈巧性。全局操控性（global manipulability）是 Jacobian 行列式的均方根，衡量指尖速度對關節速度的整體響應能力；工作空間體積以體素（voxel，三維像素格）網格估算可達區域大小，體素邊長設為 Δ = 0.05；重疊工作空間計算拇指與其他四指同時可達的三維交集體積，量化對掌能力；靈敏度（sensitivity）則量化末端指節驅動時指尖位移對關節輸入的響應強度，數值愈低代表精密控制能力愈佳。

關節角度離散化後，拇指採 5° 解析度，其餘手指採 3° 解析度，兩者工作空間體積的計算變動均控制在 2% 以內，確保評估數值穩定可靠。四項指標各自正規化後合入加權目標函數，操控性與工作空間對目標函數正向貢獻，靈敏度則反向貢獻（靈敏度愈低、精密度愈高，目標值愈大）。

7 種加權方案收斂至 4 群組，重疊工作空間最大增幅達 20.96%

研究者為操控性（c₁）、工作空間（c₂）、靈敏度（c₃）三個加權係數設計 7 種組合——等權重、單指標強調各三種、雙指標強調各三種——最終發現所有方案收斂於 4 個設計群組（A–D）。

群組 A 涵蓋最多案例（等權重、靈敏度優先及兩種雙指標強調），顯示靈敏度在可行設計空間中的變動幅度遠大於其他指標，因而主導多數加權配置下的最優解。工作空間強調方案（群組 D）使拇指工作空間體積較等權重方案增加 8.27%，手指增加 3.21%，對掌重疊空間擴大 20.96%。操控性強調方案（群組 C）則使拇指操控性提升 0.82%、手指提升 3.30%。

一個反直覺的現象出現：工作空間強調組（群組 D）在操控性數值上反而優於操控性強調組（群組 C）。根本原因在於可行設計空間內各指標的分佈高度不均——某一指標的局部最優設計，在整體函數中可能同時帶動其他指標表現；因此加大單一加權係數，不等於該指標一定最大化。這是本研究最具實務價值的警示之一。

近端指節擴展工作域，末端指節決定精密控制能力

研究最核心的發現是各指節在靈巧性中的功能分層。工作空間體積與對掌重疊空間的最大化均傾向拉長末端指節，因末端指節延伸使指尖能觸及更大的三維範圍，拇指與其他手指的可達交集也更寬廣。操控性則受關節運動範圍決定——各關節運動範圍相同時，等長指節設計操控性最高；近端關節範圍較大時，近端指節較長的設計佔優。

靈敏度的分析結果最為關鍵：末端指節縮短，指尖對關節微小輸入的位移響應同步縮小，代表更精確的指尖位置控制。研究者指出，這反映了人類手指固有的功能分層：近端和中段指節負責大範圍粗動作，末端指節主導精細操控。加長末端指節有助工作空間擴張但犧牲精密度；縮短末端指節提升精密度但壓縮可達範圍——兩者存在根本取捨，設計師必須依照應用目標明確優先級。

研究目前僅基於純運動學，尚未納入接觸力學、摩擦或力傳遞，離散化採樣存在解析度誤差，但不影響趨勢性結論。未來計畫納入手指厚度與寬度等幾何因素，並放開四指等長的假設，以更貼近實際設計需求。

近端指節拓展工作域、末端指節掌控精密度——機器人手的指節比例設計本質上是「可達性 vs. 可控性」的系統性取捨，而加大任一指標的加權優先級，並不保證該指標最大化。