从人类数据学习物体中心运动先验用于机器人灵巧操作

该论文提出从人类手物交互（HOI）数据集中学习整体预测未来手物状态，而非仅模仿人类演示。预测的物体未来状态可作为强化学习的通用奖励项，减少对任务专属奖励工程的依赖并提升跨任务泛化。作者在仿真和真实世界的三个操作任务上开展实验，称在成功率和针对新物体的泛化性上优于现有 SOTA 方法，并通过在不同机器人手上部署技能验证了跨本体兼容性。该工作被 AAAI 2026 接收为 oral 论文。