說著，‘夏娜多瓦’，拿出了多張機械手臂的圖片給眾人看。
這些圖片，有全驅的機械手臂，也有欠驅動的機械手臂。
當葉修文等人，對機械手臂有一些初步的了解之後，‘夏娜多瓦’，這才繼續說道：“對於機械手臂，我想大家，已經有一定了解了。
那麼接下來，我們就來說明一下，關於人手抓物體的原理是什麼。
從生物角度去闡釋，wiki是如下定義人手的：手是人或其他靈長類動物臂前端的一部分，由五隻手指以及手掌組成，主要是用來抓和握住東西，兩個手相互對稱，互為鏡像。
人手實際上是一個極其靈巧而又複雜的人體器官。其軀乾（link）主要由指骨組成，包裹著軀乾的就是分布著大量靈敏觸覺神經的皮膚（sensor），當人手需要具體運動的時候，肌腱（tendon）就充當著傳遞動力的媒介，而在各個關節（joint）中大量分布的肌肉皮膚等，則很好扮演了順從機構（pliant structure）。
而在人的五個手指之中，當屬大拇指最為特殊，首先它僅有兩個指節（phnges）組成，而且是所有手指中最靈活，指尖（end-effector）工作空間（work space）範圍最廣的手指，具體來說，其metacarpals joint是一個球角（ball joint）。
以上是，我所說的是，人手的“硬件”構成，咱們再來談談具體的控製。
實際上，正常人對自己手的控製都是看到了物體，司空見慣地就伸手去抓，其實當我們用當前的機器人學去剖析這一過程，實際上又是這樣子的：當我們想去伸手抓某個物體（ai做出決斷），我們會大致看一下這個物體的位置（通過vision進行定位），而當我們去抓的時候，我們主要基於的是對我們指尖（end-effector）位置的路徑規劃（trajectory nning），通過自己的手臂帶動手掌去接近物體（maniptiress）。
在這一接近的過程中，我們的視覺一直再給我們做反饋（feedback），而當物體處於手掌的操作空間的時候，大腦會控製我們具體的手指進行抓握，而怎麼去抓，則是基於我們大量的生活經驗，去自動生成最優的適合物體輪廓的抓取方案（mae learning cept）。
而在具體手指的操作之中，我們還是基於手指指尖的軌跡規劃去控製各個手指關節的運動（under-actuated or fully actuated ?）。最終，皮膚上的觸覺神經（tactile sensor）會給我們一個反饋，告訴我們是否抓取到了東西，憑借肌腱傳遞的接觸力接觸物體產生的靜摩擦力，去對物體進行操作，而觸覺神經會一直給我們物體形狀、硬度甚至溫度的反饋，借助大量的實際抓取經驗，自動生成最優化，最穩定，最省力的抓取方案。
而上述這一大段控製的基本敘述，正常人類都能在1-2s內完成到最佳（比如說現在你去拿桌子上的手機，根本不需要思考去做規劃，完全是直接伸手就拿）.
所以，如果從當前水平的機器人的視角，來審視人類這樣一個“軀體和係統”，簡直高級的可怕。
最後，我們再來談談人手的具體功能。毫無疑問，具體的對物體的抓取，操作是人手的主要功能，所以自然而然也能想到手勢（gesture）這樣的功能。
而對於前者的功能，對其性能的描述無外乎以下兩點：靈巧（dexterous）而又魯棒（robustness）。
好的，現在回到這個問題的後半個：機械手是怎麼設計出來的。
設計機械手整體的思路還要回歸於問題的前半個：人手抓物體的原理是什麼？具體而言，要根據人手抓物體的原理去設計能實現相應功能的硬件——即機械手。
說到這裡，我想大家已經很清楚了。即便一個機械手，模仿人類的一個抓取動作，都這麼複雜，那就由此可見，我們所麵臨的機器人，將有多麼先進。
大家再看，我手中的機械手臂，便是副隊，帶回來的，.......”
‘夏娜多瓦’說罷，拿出了一個機械手臂，而且竟然還能動，與在座的各位招手！......