模型能画出手部关键点，并不等于能稳定控制机械臂。这个项目的主要工作，是把每帧关键点转换为可以解释的左右手/朝向、相邻手指夹角和手掌张开度，再评估这些量是否适合进入控制链路。
问题一：检测正确，但输入姿态不一定可计算
原型面向右手正面。关键点存在时仍要判断是否为目标手、手掌是否朝向镜头；侧手、遮挡和左右镜像会让相同点序产生完全不同的角度含义。因此界面区分“右手正面”“检测到右手但非正面”和“未检测到目标手”，不在姿态不满足时继续输出看似精确的控制数据。
角度由关键点向量夹角计算，张开度综合多组角度。摄像头、单图与视频使用同一几何路径，便于把实时抖动和固定样本的算法错误分开排查。中文面板同时显示骨骼、角度和状态，目的是能看见模型输出与最终数值之间哪里发生偏差。
问题二：帧级角度不能直接发送给机械臂
后续实验增加右肩、右肘、右腕角度，并通过 rosbridge 接入控制端。但视觉角度存在抖动、短时丢点和突变；机械结构还有行程与速度限制。仓库中的识别结果因此只作为控制输入原型，不声称已经形成安全控制器。真正驱动设备前仍需增加标定、低通/滞回、死区、限幅、丢帧保持、急停和通信超时策略。
问题三：README 中的性能数字不能当作环境无关结论
仓库曾记录 GPU 30+ FPS、CPU 10+ FPS、精度与角度误差等原型数据，但没有同时公开完整数据集划分、设备、分辨率和统计方法。网站不把这些数字当成基准承诺。实际效果取决于模型权重、摄像头视角、光照、遮挡和计算设备；需要在目标设备上重新测量。
工程边界
仓库包含训练脚本、模型产物和本地推理代码，可选 CUDA 加速。它适合展示“关键点 → 几何量 → ROS 实验”的完整链路，但不包含经认证的机器人安全层，也没有覆盖多人、双手、强遮挡和所有摄像头位置。