arXiv · cs.RO官方发布· Zhewei Gui, Anthony Bolton, Jiyao Zhang, Zeyuan Chen, Qiyang Yan, Tianyu Wang, Hao Dong·· 2 小时前精选AI 评分67
论文 / 摘要阅读
DexHOT：学习手物构型迁移的灵巧操作策略
DexHOT: Learning Hand-Object Configuration Transfer for Dexterous Manipulation
AI 导读 · 根据来源整理
DexHOT 将灵巧操作表述为手物构型迁移，即在同时指定手部关节与物体相对腕部位姿的可行构型之间移动，而非仅以物体位姿或轨迹设定目标。方法从合成可行构型对中学习可复用的关系条件迁移原语，无需人类参考动作，并通过闭环跟踪构型子目标组合长时序行为。在含 120 个物体的 DexHOTBench 上，单一策略对已见物体迁移成功率为 80.5%，对未见物体为 69.4%；在真实灵巧手上，200 次实机迁移成功率为 61.5%，六个演示引导任务的任务成功率为 90%。作者据此认为显式手物目标为灵巧操作提供了表达力强且可组合的接口。
本站目前提供摘要
以上是对来源材料的中文整理，不是完整论文或全文。研究方法、数据与完整论述请到来源页面核对。
前往 arXiv · cs.RO 阅读原文 ↗来源：arXiv · cs.RO · arxiv.org