1.一種機器手加載方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，機器手與抓取物接觸部位的反饋數據包括設置在機器手與抓取物接觸部位的電子皮膚采集到的壓力數據。
3.根據權利要求2所述的方法，其特征在于，所述壓力數據為機器手的手掌和多個手指處分別設置的電子皮膚所采集的陣列數據。
4.根據權利要求3所述的方法，其特征在于，所述當前載荷包括第一特征接觸力值和第二特征接觸力值，其中所述第一特征接觸力值為全部陣列數據中的最大值，所述第二特征接觸力值為拇指的電子皮膚所采集的陣列數據中的最大值與其它手指的電子皮膚所采集的陣列數據中的最大值中相對較小者；
5.根據權利要求2所述的方法，其特征在于，機器手與抓取物接觸部位的反饋數據包括設置在機器手與抓取物接觸部位的電子皮膚采集到的溫度數據。
6.根據權利要求5所述的方法，其特征在于，所述溫度數據為機器手的手掌和多個手指處分別設置的電子皮膚所采集的陣列數據。
7.根據權利要求5所述的方法，其特征在于，改變載荷的驅動裝置的反饋數據包括機器手的各個驅動裝置的位移數據和力數據。
8.根據權利要求7所述的方法，其特征在于，利用神經網絡模型對所述反饋數據提取全局特征向量，包括：
9.根據權利要求8所述的方法，其特征在于，融合所述電子皮膚力分布特征和所述電子皮膚溫度分布特征得到電子皮膚特征向量，包括：
10.根據權利要求8所述的方法，其特征在于，對基于驅動裝置的位移數據和力數據聯接的數據提取得到驅動裝置特征向量，包括：
11.根據權利要求1所述的方法，其特征在于，根據所述全局特征向量確定載荷上限信息和載荷下限信息，包括：
12.根據權利要求11所述的方法，其特征在于，
13.根據權利要求12所述的方法，其特征在于，根據當前時刻以及之前至少一個時刻的所述分類結果得到多步聯合數據，包括：
14.根據權利要求11所述的方法，其特征在于，根據抓取物屬于各種類別的概率值以及各種類別對應的載荷上限和載荷下限確定所述載荷上限信息和載荷下限信息，包括：
15.根據權利要求14所述的方法，其特征在于，根據所述載荷上限信息判斷當前載荷是否會破壞抓取物，包括：
16.根據權利要求11所述的方法，其特征在于，所述載荷上限信息包括各種類別對應的載荷上限以及抓取物屬于各種類別的概率；所述載荷下限信息包括各種類別對應的載荷下限以及抓取物屬于各種類別的概率。
17.根據權利要求16所述的方法，其特征在于，
18.一種機器手加載設備，其特征在于，包括：處理器以及與所述處理器連接的存儲器；其中，所述存儲器存儲有可被所述處理器執行的指令，所述指令被所述處理器執行，以使所述處理器執行如權利要求1-17中任意一項所述的機器手加載方法。