HuG：仿真训练的人形机器人全身抓取框架

Xuanbin Peng 等作者提出人形机器人全身可供性感知抓取框架 HuG，通过“感知—对齐—抓取”流程把视角作为显式决策变量来应对遮挡，并用点云条件可供性策略生成全身抓取。作者称，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% 的真实世界成功率，在每个测试高度上成功率至少 73%；在仿真规模化测试中，它还能在低于训练中见过的桌面高度上成功。 作者指出，在浮动基座下，仅运动学可行并不够：他们用控制器在环的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。论文标注为 CoRL 2026，属预印本，上述成功率尚未经独立验证。

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。