ReContact：从视频重建接触计划驱动机器人操作

Zhongkai Gu、Yang Liu、Wei Zhu、Mitsuhiro Hayashibe 提出 ReContact，从人类视频重建并重定向人-物接触，用于接触丰富的人形机器人操作。该方法以物体为中心生成接触计划，指定接触阶段、接触对、锚点、按压方向及粘附或滑动模式，并用接触先验在遮挡下稳定物体位姿重建；在冻结的全身跟踪器之上训练残差策略，使其在计划锚点处以指定方向施力。 仿真中，大腿支撑的再抓取任务上，ReContact 在三个训练种子下以 83.5 的回合达成计划的双掌底部持握，最佳适配基线为 0.16%；一个在 247 条参考上训练的策略针对新摆放重新求解，将在工作空间内的管件传递成功率从 20.4%（仅用源参考）提升到 97.8%。作者称，在真实 Unitree G1 上，策略执行了七项接触丰富操作和两项移动操作任务。上述结果来自 arXiv 预印本，尚未经同行评议或独立验证。

AI 根据报道生成 · 57 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。