NEWS / 动态
按时间浏览，使用右上角筛选切换领域。
OmniDex提出可扩展的seed-and-filter策略，构建了包含超260万场景和0.4B场景特定抓取真值的杂乱场景灵巧抓取基准。研究同时提出OmniDex模型，通过Soft Winner-Takes-All学习、类人物理约束训练和物理驱动排序，避免后优化延迟。实验称该模型在多样场景、视角和未见物体上取得state-of-the-art性能与较强泛化。
推荐理由：论文同时给出260万杂乱场景抓取数据集与OmniDex模型，可用于比较仿真数据规模与灵巧抓取泛化路线。
DexSuite 是一个基于 Genesis 模拟器的开源一体化灵巧操作仿真框架，提供 30 个任务，并把 10 种机械臂与 12 种末端执行器（从平行夹爪到灵巧手）组合成 100 多种单臂机器人和数千种双臂组合。
推荐理由：该框架把机械臂、末端执行器、任务、遥操作与触觉仿真整合进同一套开源环境，并给出基准与示范数据集。
SwapBot 是一套模块化、以工具为中心的末端执行器系统，用低成本适配器把常见家用工具快速转换为机器人末端执行器，并支持快速自主更换。每个适配器集成紧凑触觉传感器，并接入遥操作系统用于采集演示；用户研究显示遥操作时任务完成时间和操作者负担均降低。
推荐理由：论文给出可换工具末端执行器与触觉传感器的硬件方案，并用消融实验比较触觉对接触密集任务策略的影响。
TouchBridge 提出硬件与软件协同的人到机器人数据转换框架，通过可穿戴人类演示接口与对应机器人接口建立视觉和指尖触觉的跨本体对应。其 Tac-Retarget 方法以实测接触对齐指尖接触区域，无需物体网格、位姿估计或物理仿真即可完成重定向。
推荐理由：论文给出触觉条件重定向的人到机器人数据转换框架，并报告四类实机接触任务的成功率与采集效率对比。
AcrossDEX 1.0 是一个连接人体运动预训练、仿真专家学习、机器人演示采集与视觉闭环执行的学习系统，支持六通道 Inspire 手和十六关节 Allegro 手两种本体。
推荐理由：论文给出跨两种灵巧手本体的统一适应流程，并比较直接回归、扩散与流匹配在开盖和物体重定向任务上的成功率。
论文提出 Coupled Guidance，一种从几何视角推导、利用流匹配训练固有耦合结构的引导机制。作者分析指出，把扩散模型的引导方法直接迁移到流匹配会破坏训练时的耦合分布，导致采样精度控制变弱。
Xinyuan He 等提出一个分层三阶段框架，用于运动学与触觉对齐的灵巧手重定向，以物体为中心的接触力旋量空间作为人手与机械手之间的触觉对齐物理表示。框架先对齐手部运动学与接触几何，再根据触觉力与接触几何构建人手力旋量支撑剖面，随后优化机器人指尖力目标以覆盖该支撑并转换为关节位置修正，得到可直接回放的机械手轨迹。
推荐理由：论文提出以物体接触力旋量空间对齐人手与机械手触觉信息的三阶段重定向框架，并在实机倒水任务中报告96.7%回放成功率。
论文提出 Tactus，一款织物集成传感手套，同时提供指尖触觉力感知与抗遮挡手部位姿追踪，用于采集自然状态下的人手操作演示数据。其指尖堆叠厚度为 1.5 mm，在 95% 置信度下最小可检测力为 0.59 N，比两款商用触觉手套基线低 1.6 至 2.7 倍，跨参与者一致性为 0.87；操作过程中遮挡最严重时指尖关键点相对误差为 11.0 mm。
推荐理由：论文给出触觉手套的传感配置与跨平台量化对比，可用于评估灵巧操作数据采集方案。
Catch It All! 提出面向人形机器人的 sim-to-real 抓取框架，仅用一台自我视角相机即可完成上手与下手抓取，并泛化到未见物体。作者称策略可适应几何形状、可变形性、弹性等物理属性不同的新物体，并通过抓取奖励设计与安全感知课程支持接近硬件极限的高频动作执行，包括低至 5 Nm 的腕部力矩限制。
推荐理由：论文给出仅用单目自我视角相机、零样本部署于宇树 G1 的抓取框架，可用于比较动态抓取的泛化设定。
作者提出 FEEL，一种不确定性感知的残差方法，从本体感知历史估计逐指外力大小，部署时无需专用接触传感器。该方法将校准的虚拟弹簧估计与混合密度网络（MDN）预测的残差分布结合，在十指、0-20 N 接触力范围内平均 RMSE 为 0.251 N，较虚拟弹簧降低 92.8%，较端到端 MDN 降低 9.4%。
研究提出一套在仿真中为LEAP手训练手内物体位姿到达策略的方案，无需人类数据，经系统辨识后零样本迁移到真实手，可用动捕或单个腕部深度相机。在4个物体、4800个未见目标、13.3小时实机评测中，基于状态的策略在2厘米和0.4弧度内到达95.2%的目标，叠加可调保守度的学习残差安全过滤器后掉落减少75%，仍到达91.5%的目标。策略还能旋转任意姿态的灯泡、到达分布外目标并承受快速手臂运动与扰动。
推荐理由：论文给出LEAP手在仿真中训练、零样本迁移实机的手内物体位姿到达方案，并量化了安全过滤对掉落率的取舍。
ARPG 提出将动作表征学习与动作生成分离，先在大规模人类操作数据上预训练动作表征编码器，再冻结编码器、用 130M 参数的生成骨干在表征空间中学习任务条件动作分布。
推荐理由：论文把动作表征预训练与动作生成拆开，为灵巧操作提供了一条独立于数据规模之外的扩展路径。
RynnVLA-Latent提出用异构交互视频做机器人策略预训练，其RynnLAM模块无需原生机器人控制即可从视觉变化中学习连续、3D接地的潜在动作。研究在30.1K小时人类、机器人和仿真视频上生成745.52M个潜在动作描述符，再通过流匹配预测潜在动作块并适配到具体本体动作。
推荐理由：论文用30.1K小时异构视频学习3D接地的潜在动作，为VLA预训练绕开动作标注稀缺提供了一条可比较的路径。
AdaDexTrack 提出一种调制器在环的框架，用于语言条件下的灵巧手物交互跟踪。该框架以大规模专家到通才蒸馏得到的跟踪器承载技能，调制器经强化学习训练，对参考轨迹、物体隐表示和位置目标做三类反馈修正。作者称其在未见轨迹和未见物体集合上的平均跟踪误差与成功率均优于此前 SOTA，并在真实硬件上展示了零样本 sim-to-real 迁移，加入调制器相比仅用跟踪器有显著提升。
推荐理由：论文把语言条件下的灵巧操作重构为闭环调制跟踪，并给出未见轨迹与实机零样本迁移的对比结果。
一篇综述梳理了113项基于学习的灵巧操作方法，覆盖所用灵巧手、训练仿真器与结果报告方式。作者指出该领域已大体收敛到一套流程：在GPU仿真器中用特权状态做强化学习，再蒸馏为仅视觉的学生策略迁移到硬件，近半数工作采用这一路线且几乎集中在同一个仿真器。
MDPO 将灵巧操作建模为同时包含累积代价约束和逐状态代价约束的多约束策略优化问题，并把多约束投影集成到策略优化过程中。方法用针对不同约束的策略投影，把最大化任务性能的中间策略映射到累积代价约束与逐状态代价约束定义的可行域。在 ReDMan 上的安全关节控制、手指安全和抓取任务实验中，MDPO 相比基线取得更好的约束满足，同时保持有竞争力的任务性能，代码已公开。
ORBIT 是一个模块化多指机器人手平台，核心是旋转指节机构，独立手指通过皮带传动绕圆柱形手掌移动，可在不到 1 秒内完成手指布局重构而无需拆解手部。作者用三指版本开展初步抓取研究，在 11 个尺寸、形状和纹理不同的物体上比较拟人、等距和 Barrett 式三种手指布局，并演示立方体面重定向、拧盖和亚厘米物体精密捏取等固定指节设计较难完成的任务。
推荐理由：ORBIT 用旋转指节实现手指布局快速重构，为比较不同多指手形态提供统一硬件平台。
DexPort 是一个面向高自由度机器人灵巧手的手持数据采集接口，采集与部署使用同一套手部硬件，并记录指令关节目标与实测关节状态。操作者移动手持接口指定机器人腕部运动，再选择或调整技能来协调手指动作，无需逐关节控制。作者在4类真实任务上采集超过2500条演示，用行为克隆直接训练视觉运动策略；使用记录的机器人指令替代关节状态时成功率从11%提升到64%，使用野外数据时任务成功率从36%提升到78%。
推荐理由：论文提出用手持接口采集高自由度灵巧手数据，并给出4类任务的成功率对比，可供比较遥操作与人体演示两条数据路线。
IORA 提出一种支撑面感知的抓取合成框架，面向低自由度耦合手实现不规则物体的固定。该方法把手与物体局部表面区域表示为图并搜索运动学可行的匹配，再细化腕部位姿与电机状态，并通过物理仿真 rollout 验证抓取。实验显示该方法能生成多种抓取构型并取得较高抓取成功率和抗扰动能力，真实实验在烹饪场景中演示了可物理执行的抓取。
DONIC 是一个通用双手灵巧跟踪器，在操作类别与人体运动来源上联合训练，并配套发布 BiHOI 多视角数据集，包含 1575 段序列、229 个物体。方法将近端策略优化与行为克隆结合成反馈回路，把验证成功的执行回收为训练演示，并用以物体为中心的逐手奖励和 Clip-Centered Advantages 支持单一策略学习异构参考下的协调操作。
推荐理由：论文同时给出双手灵巧跟踪模型与1575段多视角数据集，并报告未见轨迹与未见物体上的成功率，可用于比较双手操作跟踪方法。
SpatialDex提出一种从纯RGB人类视频学习3D双臂灵巧操作的框架，通过重建场景几何并结合手部运动估计进行视觉运动预训练。该方法将重建几何同时作为策略输入和预测目标，用门控残差融合把预训练视觉语言模型的token网格锚定到该几何上，并预测未来场景几何与手腕、手指动作。
推荐理由：论文给出从纯RGB人类视频重建场景几何并联合预训练双臂灵巧策略的方法，附仿真与实机对比结果。
PHD-Hand 提出一种连杆驱动的人形灵巧手，每根手指至少具备3个驱动自由度（DOA），借助柔性铰链和弹簧钢弹性驱动杆简化传动，无需大量微型运动部件，可用预算级3D打印机加工。作者称该设计降低了灵巧人形手的使用与开发门槛，并让手部尺寸更接近常人手掌。论文还给出样机在抓取与物体操作上的评估，以及运动学与控制方面的最新发现。
COWBOY 是一个可扩展的 sim-to-real 框架，用于学习情境化全身操作，在全身灵巧抓取任务上零样本迁移到数百个物体和杂乱桌面、货架、抽屉等非结构化场景。
推荐理由：论文给出把场景感知全身控制器与局部强化学习专家蒸馏为单一视觉策略的 sim-to-real 框架，可参考其分层训练思路。
T-WLA 提出一种世界-语言-动作架构，用共享视觉记忆同时指导动作生成与触觉修正。每次视觉更新时，视觉分支把当前图像、任务指令和检索到的历史整合为视觉记忆，用于生成基础动作；同一记忆被缓存给轻量触觉编辑器，结合当前动作块与触觉输入预测未执行动作的残差修正，无需重跑视觉分支。
推荐理由：论文提出用共享视觉记忆驱动轻量触觉修正器，避免视觉策略重算带来的延迟，可供接触密集操作研究比较。
AdaDex 是一个目标条件强化学习框架，能把数秒的单条手-物轨迹（来自动捕或野外 RGB(D) 视频的 HOI 重建）转化为可泛化的灵巧技能。其核心 Hybrid Dexterous Mimicking 在两类大规模并行环境上训练共享策略：密集运动跟踪环境注入人类先验，带噪声初始状态与稀疏物体成功奖励的泛化环境迫使技能脱离参考轨迹。
推荐理由：论文提出混合模仿与目标条件强化学习框架，把数秒人手轨迹转成可泛化的灵巧操作技能，并给出跨仿真器与实机迁移结果。
论文提出TaskWAM，一个闭环、阶段感知的世界-动作模型框架，用Mode Tokens表示细粒度任务要求、用State Tokens跟踪执行进度，以缓解长程操作中局部合理但方向错误的推演导致的阶段混淆。
推荐理由：论文提出阶段混淆问题并给出TaskWAM与StageBench，可用于比较世界-动作模型的长程任务控制方法。
Yu 等人提出 HuTact 框架，从大规模人类手物交互数据预训练触觉感知手部表征，预训练阶段不需要真实触觉信号。该方法把从人手运动中学到的交互结构迁移到机器人触觉观测，并可用少量无标注机器人交互数据进一步适配。
推荐理由：论文提出用人类手物交互数据预训练触觉表征，并给出抓取预测在少样本下的对比数字，可供触觉学习数据来源参考。
EmbodyHOI 在冻结的流匹配手物交互轨迹生成器采样循环中嵌入针对特定人形本体的可微逆运动学求解器，把本体可达性约束加入生成过程。在 ARCTIC 轨迹上，该方法把 Unitree G1 与 H1-2 的重定向腕部误差从 8.9 cm 降到 0.6 cm，同时保持文本到手物交互的生成质量。
推荐理由：论文把机器人可达性约束放进 HOI 轨迹生成采样过程，并给出 G1 与 H1-2 的实机前仿真对比数据。
HandsOn 是一个面向跨本体灵巧操作的组合式仿真平台与基准，支持五种机械臂、六种灵巧手和约200个刚体、铰接与可变形资产，并配有18000条人工演示和66个经人工核验的任务。
推荐理由：该预印本给出跨本体灵巧操作仿真基准的规模与任务划分，并列出多类策略在Core-50上的成功率对比。
DexOAK 是一个基于学习的物体感知运动学重定向框架，可从人体动作捕捉数据生成接触一致的机器人手部参考。它先在手-物联合图上最小化交互图拉普拉斯目标，再训练以人体关键点和物体点云为条件的前馈网络，并用接触、非穿透和自碰撞损失微调，训练后仅靠推理即可迁移到未见数据。
推荐理由：论文给出物体感知的运动学重定向方法，并报告双手任务成功率与实机开环回放结果，可供灵巧操作数据生成参考。
研究对比了两种 LEAP Hand 指型布局（拟人与对称）在连续手中物体旋转任务中的表现，两版手均集成 TacTip 视觉触觉传感器并共用同一强化学习框架。仿真中，完整触觉观测相比仅本体感知使每回合平均归一化旋转量在拟人手提升 94.8%、对称手提升 66.9%，且回合更长、平均指尖总载荷更低。硬件实验中，对称手平均旋转次数高 32.0%、总旋转速率高 25.8%，平均指尖总载荷低 19.9%。
推荐理由：研究在仿真与实机上对比两种 LEAP Hand 指型布局，量化触觉观测与手指排布对旋转进度和指尖受力的影响。
Binbin Zhang 等人在 arXiv 预印本中提出 PhantomTac，利用约 0.5 mm 厚、无需供电的磁标签改变磁场，从而伪造磁性触觉传感器解读出的力。
BiDex-100 是一个面向双臂灵巧操作的仿真基准，包含106项任务，按泛化、指令跟随、少演示、长时程和记忆五个能力维度组织。每项任务配有受控视觉与空间变化的域外变体，用于评估鲁棒性；基准支持两种本体，提供8,080条经成功验证的遥操作演示，共625万帧。作者在统一协议下评测了七个近期视觉-语言-动作模型，给出各能力维度、鲁棒性和数据效率的基线结果。
推荐理由：该预印本给出106项双臂灵巧操作仿真任务与7个VLA模型的统一评测基线，可用于比较现有模型的能力与鲁棒性。
作者提出 T(R,O) Grasp++，一个面向杂乱环境的跨本体灵巧抓取合成扩散框架，并构建约 0.5B 条抓取标注、覆盖八种灵巧手和约 5 万物体的仿真基准。实验称该模型在八种灵巧本体上平均成功率达 88%，推理时延仅 0.3s，推理样本效率提升 10 倍以上。该工作为预印本，结果基于仿真实验。
推荐理由：论文给出约5亿条抓取标注的仿真基准与跨八种灵巧手的扩散抓取框架，可用于比较杂乱场景抓取方法。
DexGraspFlow 提出一种条件式连杆级 SE(3) 流匹配框架，将几何关系与运动学拓扑结合用于跨本体灵巧抓取生成。该方法在三种机器人手、30 组物体-手配对上的平均仿真成功率为 95.33%，含逆运动学的平均生成延迟比一个先进基线低约 49%。作者还报告了对七种去指变体的零样本适应与手掌朝向控制，并在部署手型的 100 次实机抓取试验中取得 91% 成功率。
推荐理由：论文把运动学拓扑引入跨本体灵巧抓取生成，并给出三种手、30 组手物配对的仿真结果与实机试验。