10:53arXiv cs.AI@Zhao-Heng Yin, Guanya Shi, Pieter Abbeel, C. Karen LiuMana 提出了一种将灵巧操作视为动画问题的 sim-to-real 框架,解决了铰接工具操作中协调内部自由度与接触交互的难题。该框架通过粗到细的流水线,将程序化生成的关键帧转化为操作轨迹,结合运动规划与强化学习实现零样本迁移。数据生成几乎全自动,每个工具仅需不到一分钟的鼠标点击指定功能属性。在四种不同铰接工具上,Mana 实现了零样本的 sim-to-real 抓取与手内操作,展示了可扩展的灵巧操作方案。论文灵巧操作铰接工具sim-to-real强化学习机器人推荐理由:铰接工具操作是机器人灵巧操作的硬骨头,Mana 用动画思路解决了数据生成和迁移难题,做机器人操作或 sim-to-real 的团队可以直接参考其零样本迁移方法。原文