#灵巧操作

伯克利这边搞了个 X-Reset，把人类手部演示只用来当 RL 重置点，不用模仿，20 个物体三种机器人本体都能训出通用抓取策略，还能 sim-to-real 直接迁移。

有人用 GPT-6 Astra 让机器手零样本转笔、玩魔方，模拟训练后还会用锤子，代码放在 GitHub 上。

AI Will@FinanceYF511 个信源在谈原文

DeCAL模型通过触觉感知和物理动力学建模，解决了灵巧操作中的视觉遮挡问题，在未见场景中表现出色。

ACT模型模仿专家学习，但在加速条件下性能下降幅度远大于专家，揭示模仿学习的时间鲁棒性问题。

复旦等团队用REGRIND，只看一段演示就让机械手学会用剪刀和螺丝刀，零样本上手，动作和人一样自然。

想用一只机械手同时完成多个操作任务？DexCompose通过手指级分工和残差模块，在16项任务中达到77.4%成功率，解决了策略冲突问题。

CoorDex让人形机器人在行走时用灵巧手完成开冰箱、抓瓶子的连续操作，不再需要走走停停，和之前的笨拙模式完全不一样。

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。