基于接触锚定重定向与残差策略学习的人类演示灵巧机器人操作

论文提出一套三阶段流程，将人类动捕记录转换为灵巧机器人策略，无需真实机器人训练数据。流程先用仿真 MANO 手做物理细化以恢复接触与力，再通过接触锚定重定向传递演示的接触结构，最后用残差强化学习适配机器人驱动。该方法重建了 25,454 条单手轨迹（成功率 7.3% 提升至 59.3%）和 25 个双手任务（16.0% 提升至 62.4%），每种设置共用一个策略；将一份人类数据集迁移到四种形态不同的机器人手上提升 62.4 个百分点，并在真实硬件上执行了四个接触丰富的双手任务，真实机器人训练数据为零。论文为 16 页技术报告，含 6 图 5 表，代码已公开。