HuG：人形机器人全身可供性感知抓取与主动感知框架

HuG 是一个面向人形机器人全身可供性感知抓取的框架，通过感知-对齐-抓取流程把视角作为显式决策变量来化解遮挡，并用点云条件可供性策略提出全身抓取。研究指出浮动基座下仅运动学可行不够，作者用控制器在环动力学仿真筛选训练数据，剔除了 73% 会 destabilize 部署控制器的运动学可行抓取。该策略完全在仿真中训练、零真实演示，在多层级货架任务上取得 87.5% 真实世界成功率，可泛化到新物体，各测试高度成功率至少 73%；仿真规模化测试还显示其能在低于训练中见过的桌面高度上成功。论文标注为 CoRL 2026。