手势库是手势识别研究与系统开发的实证基础，其核心构成是经过标准化采集与标注的手势数据集。一个手势库的价值不仅在于数据规模，更在于其设计逻辑是否与目标应用场景的需求对齐——数据集的类别构成、采集模态与标注粒度，从根本上决定了在其上训练的模型所能解决的问题边界。
本章以肌电手势数据集为主体，系统梳理手势库的构建现状、设计方法论与评估体系，视觉手势数据集作为对比参照贯穿全章。内容覆盖 1999 年至 2022 年间发布的 30 余个视觉数据集与 10 余个肌电数据集，时间跨度 23 年。
本章结构
本章共分三个层次递进展开：
数据层（X.2）分别梳理视觉与肌电两类数据集的基本构成，重点展开 Ninapro 系列（DB1–DB10）与高密度 sEMG 数据集（CapgMyo、CSL-HDEMG）的设计演进，以对比表格形式呈现视觉侧参照。
设计与语义层（X.3）从方法论角度归纳手势集背后的八种设计逻辑及其对肌电数据集的兼容性，结合 CGD 系列、IPN Hand 与 EgoGesture 三个典型案例阐明设计逻辑在实践中的具体体现；在此基础上梳理手势的功能语义分类体系，并讨论跨场景部署中的语义一致性问题。
评估层（X.4）分别建立视觉与肌电数据集的评估指标体系，重点展开肌电评估的八个层级，涵盖从基础分类性能到跨日稳定性、连续关节回归与假肢控制专项评估的完整维度。
本章结论将为白皮书后续"通用技术框架"章节的模型选型提供数据基线参照，并为"人因实验"章节的手势变量定义提供分类依据。