从人类手物数据学运动先验，作强化学习奖励

Zhengdong Hong、Guofeng Zhang 提出一种灵巧操作方法：从人类手物交互（HOI）数据集中学习整体预测未来手物状态，而非仅模仿人类演示；预测出的物体未来状态可作为强化学习的通用奖励项，减少对任务专属奖励工程的依赖。 作者称，在仿真和真实世界的三个操作任务上，该方法在成功率和针对新物体的泛化性上优于现有 SOTA 方法，并通过在不同机器人手上部署技能验证了跨本体兼容性。该工作已被 AAAI 2026 接收为 oral 论文。上述效果均为作者自述，未给出成功率分母、试验次数等细节。

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。