機器人靈巧手是機器人實現接觸豐富操作的核心元件，隨著硬體、感知、控制、模擬和資料處理技術的進步，這一領域近年來發展迅速。然而，由於不同研究專案在手部形態、感測器配置、任務設定、訓練資料以及評估協議等方面採用了多樣化的假設，研究者很難對現有工作進行系統比較，整個領域的發展脈絡也因此變得不清晰。為了填補這一空白，來自多個機構的Weiguang Zhao等六位研究人員聯合發表了一篇題為《Towards Robotic Dexterous Hand Intelligence: A Survey》的綜述論文，該論文於2026年5月13日提交至arXiv平臺。論文從四個互補的方面對靈巧手研究進行了全面回顧：硬體分析、控制與學習方法、資料集與評估實踐、以及當前侷限與未來方向。
在硬體分析部分，作者深入探討了驅動方式（如電機、氣動、液壓等）、傳動機構、感測器感知方案以及代表性的靈巧手設計例項，並重點闡明瞭力能力、柔順性、頻寬、整合度和系統複雜性之間的權衡關係。這些硬體層面的選擇直接影響著靈巧手在執行精細操作時的效能。
在方法層面，論文將控制與學習演算法分為多個主要正規化，包括傳統控制方法（如力控、位置控）和基於學習的策略（如強化學習、模仿學習），並按照時間順序梳理了這些方法的演化路徑。這種分類方式有助於研究者理解不同技術路線的發展脈絡。
在資料與評估方面，論文整理了大量公開資料集、多模態資料設計以及各種評估基準。透過將方法進步與訓練和測試方式關聯，讀者能夠更清晰地看到不同方法在實際應用中的表現和差異。
最後，論文指出了當前靈巧手研究的主要限制，例如硬體成本高、通用性不足、模擬與現實差距大等，並展望了未來可能的研究方向，包括更智慧的控制演算法、更整合的硬體設計以及更標準化的評估體系。這篇綜述不僅為領域內研究者提供了寶貴的參考資料，也對推動機器人靈巧手技術的產品化具有重要意義。