主力任务：拣选放置循环
走进几乎任何一座现代工厂或仓库，你都会看到同一个动作每天重复数百万次：机器人伸向一个物体，合拢手部，抬起、搬运、再松开。这就是拣选放置，工业机器人最基础的主力任务。一个零件到达已知位置，机器人把它拿起来，再放到别处——放上传送带、放进箱子、放到电路板上。这听起来微不足道，但操作机器人所掌握的几乎一切都在这里汇集。
在底层，一次拣选放置循环是一条短小的流水线。机器人首先定位物体——有时靠摄像头，有时靠把零件固定在已知位姿的夹具。接着它规划一个抓取：在物体何处接触，以及如何合拢手指使零件不会滑脱。它执行一段预抓取与接近——先把手部移到物体正上方的暂存点，再笔直下降，以免把零件撞歪。最后它合拢夹爪、抬起、沿规划好的路径移动，再把零件放下。
伸进杂乱：料箱抓取
现在设想零件不是整齐排列，而是倒进一个料箱——几十颗相同的螺栓，或一堆混杂的产品，以各种角度相互重叠、彼此缠绕。一次取出一个，这叫料箱抓取，是工业机器人经典的难题之一。机器人不再能假定任何东西的位置。它必须看进这堆杂乱、决定抓哪个物体、在其上找到可抓取的位置，并把它拉出来而不带动旁边的零件。
感知承担了最重的工作。深度相机——一种同时记录颜色与距离的RGB-D 相机——生成一片点云，即勾勒出料堆表面的密集三维点集。在此基础上，现代系统直接提出候选抓取：一个习得的模型为成千上万种可能的手部放置打分，并挑出最可能成功的那一个。每个候选都要用抓取质量指标检验——手指是否真能握住物体，手部是否与料箱壁和其他零件无碰撞？
在这里，手部的选择极其关键。吸盘夹爪——压在平面上的真空吸盘——在杂乱中格外宽容：它不需要把物体包住，只要贴住一块光滑表面即可。这正是众多仓库料箱抓取工位用吸盘处理箱子与袋装货品的原因。两指平行夹爪握得更牢、能应付不规则形状，却需要在零件两侧张开手指的空间——而紧密的料堆未必能提供这样的空间。
超越抓起即放：灵巧操作与手内操作
拣选放置与料箱抓取共有一个隐藏的假定：物体一旦被抓住，就在手中冻结不动，直到松开。但人类做的事远为丰富。拿起一支笔，你不假思索就用手指把它转动、在指间挪移、上下翻转。这就是灵巧操作——用多指手通过精细而协调的手指接触来控制物体的运动，而不只是把它夹住。
最尖锐的形式是手内操作：在手中重新调整物体姿态，而完全不把它放下。何必如此？因为你抓住一个物体时的姿态，很少正是你使用它时所需的姿态。你可能从杆部拿起一把螺丝刀，随后必须把握持位置滑到手柄，才能拧螺丝。放下再重新抓取既费时又可能失败；在手内完成则快速而流畅——前提是机器人做得到。
灵巧也模糊了握持与推动之间的界线。有时最聪明的一步根本不是抓取，而是轻推：把一个扁平物体滑到桌沿，好让手指伸到它下面，或把它靠墙顶立起来。这就是非夹持操作——通过推、转、滚来控制物体，而非用包覆式的握持。真正的灵巧行为会把抓取与推动流畅地交织在一起。
为何手内重定向如此困难
手内操作之所以极其困难，源于几个交织在一起的原因。要移动物体，你必须断开并重建接触——放开一根手指，让其余手指撑住——而你这么做的瞬间，物体就可能移位、倾斜或掉落。每一处接触都牵涉摩擦、形变和滚动，都难以精确建模。而多指手又有许多关节需要同时协调。这属于富接触操作的领域，成败取决于指尖处发生的杂乱物理，而非一份干净的几何规划。
稳定握持依赖的是与一个好抓取相同的理念。手指应当达成力封闭——借助摩擦，它们能抵抗作用于物体的任何推力或扭转——并且当接触点移动时，手部必须不断重新建立力封闭，使物体始终无法逃脱。在整个过程中，机器人希望握力足以抓牢，却又不至于压坏脆弱的零件，这正是力控制及相关的阻抗控制发挥价值之处：它们调节手指按压的力度，而非只是指令一个位置。
由于接触物理难以精确建模，近年来的突破性成果来自学习。研究者在一个快速的物理模拟器中训练控制策略——一种从手部所感知的信息到它该如何运动各关节的映射——跑出真实世界里机器人根本负担不起的数百万次练习试验。为了挺过迁移到实体硬件这一跳，他们倚重域随机化，在模拟中刻意改变摩擦、物体重量与传感器噪声，使策略不至于过拟合到某个完美的虚拟世界。再加上让指尖感知滑动的触觉传感器，机器手才学会了完全在手内旋转一个立方体或重新摆放一件工具。