GRASP：无需可微仿真器的接触丰富运动重定向

Yang Liu、Tong Wang、Yiming Bao、Heng Yang 提交预印本论文，提出 GRASP 方法，用于把人类演示动作重定向为机器人可执行的控制，且不依赖可微仿真器。作者称，GRASP 将采样探索与梯度引导细化结合：GRASP-TO 为已存档的 rollout 拟合局部二次代价模型，用其梯度引导 MCMC 更新，并以 Metropolis-Hastings 校正保持目标分布；GRASP-MPC 通过热启动滚动时域规划扩展到长演示。 作者称，在灵巧手与人形机器人实验中，使用共享跟踪目标、不设任务特定接触奖励即可完成重定向，在 1352 条双手 OakInk2 演示上成功率为 92.8%；细化后的参考动作改善了转笔与人形物体交互中的 PPO 跟踪，并在真实硬件上演示了灵巧操作与全身人形运动。上述结果均出自作者自述，论文为预印本，尚未经同行评议或独立验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。