说着，‘夏娜多瓦’，拿出了多张机械手臂的图片给众人看。
这些图片，有全驱的机械手臂，也有欠驱动的机械手臂。
当叶修文等人，对机械手臂有一些初步的了解之后，‘夏娜多瓦’，这才继续说道：“对于机械手臂，我想大家，已经有一定了解了。
那么接下来，我们就来说明一下，关于人手抓物体的原理是什么。
从生物角度去阐释，wiki是如下定义人手的：手是人或其他灵长类动物臂前端的一部分，由五只手指以及手掌组成，主要是用来抓和握住东西，两个手相互对称，互为镜像。
人手实际上是一个极其灵巧而又复杂的人体器官。其躯干（link）主要由指骨组成，包裹着躯干的就是分布着大量灵敏触觉神经的皮肤（sensor），当人手需要具体运动的时候，肌腱（tendon）就充当着传递动力的媒介，而在各个关节（joint）中大量分布的肌肉皮肤等，则很好扮演了顺从机构（pliant structure）。
而在人的五个手指之中，当属大拇指最为特殊，首先它仅有两个指节（phalanges）组成，而且是所有手指中最灵活，指尖（end-effector）工作空间（work space）范围最广的手指，具体来说，其metacarpals joint是一个球角（ball joint）。
以上是，我所说的是，人手的“硬件”构成，咱们再来谈谈具体的控制。
实际上，正常人对自己手的控制都是看到了物体，司空见惯地就伸手去抓，其实当我们用当前的机器人学去剖析这一过程，实际上又是这样子的：当我们想去伸手抓某个物体（ai做出决断），我们会大致看一下这个物体的位置（通过vision进行定位），而当我们去抓的时候，我们主要基于的是对我们指尖（end-effector）位置的路径规划（trajectory planning），通过自己的手臂带动手掌去接近物体（manipulation progress）。
在这一接近的过程中，我们的视觉一直再给我们做反馈（feedback），而当物体处于手掌的操作空间的时候，大脑会控制我们具体的手指进行抓握，而怎么去抓，则是基于我们大量的生活经验，去自动生成最优的适合物体轮廓的抓取方案（machine learning concept）。
而在具体手指的操作之中，我们还是基于手指指尖的轨迹规划去控制各个手指关节的运动（under-actuated or fully actuated ?）。最终，皮肤上的触觉神经（tactile sensor）会给我们一个反馈，告诉我们是否抓取到了东西，凭借肌腱传递的接触力接触物体产生的静摩擦力，去对物体进行操作，而触觉神经会一直给我们物体形状、硬度甚至温度的反馈，借助大量的实际抓取经验，自动生成最优化，最稳定，最省力的抓取方案。
而上述这一大段控制的基本叙述，正常人类都能在1-2s内完成到最佳（比如说现在你去拿桌子上的手机，根本不需要思考去做规划，完全是直接伸手就拿）.
所以，如果从当前水平的机器人的视角，来审视人类这样一个“躯体和系统”，简直高级的可怕。
最后，我们再来谈谈人手的具体功能。毫无疑问，具体的对物体的抓取，操作是人手的主要功能，所以自然而然也能想到手势（gesture）这样的功能。
而对于前者的功能，对其性能的描述无外乎以下两点：灵巧（dexterous）而又鲁棒（robustness）。
好的，现在回到这个问题的后半个：机械手是怎么设计出来的。
设计机械手整体的思路还要回归于问题的前半个：人手抓物体的原理是什么？具体而言，要根据人手抓物体的原理去设计能实现相应功能的硬件——即机械手。
说到这里，我想大家已经很清楚了。即便一个机械手，模仿人类的一个抓取动作，都这么复杂，那就由此可见，我们所面临的机器人，将有多么先进。
大家再看，我手中的机械手臂，便是副队，带回来的，.......”
‘夏娜多瓦’说罢，拿出了一个机械手臂，而且竟然还能动，与在座的各位招手！......