HUG 用 100 万人类抓取数据学会机器人抓握，基线最高提升 34%
LerrelPinto · x · 2026-07-29
HUG（Human Universal Grasping） 团队把机器人带到 Seattle 的 Meta ARIA Summit，现场演示这套系统确实能在真实环境里工作。
- HUG 是一个 flow-matching 抓取模型：输入单张 RGB-D 图像，就能生成多样的人类式抓取动作。
- 训练数据集 1M-HUGs 规模很大：100 万帧具身抓取数据、27.8 小时视频、6,707 个物体实例、覆盖 41 栋建筑。
- 模型预测出的抓取姿态可以迁移到不同机器人手型上，因此能做 zero-shot 的日常场景抓取。
- 作者还发布了新 benchmark HUG-Bench：包含 90 个未见物体，并开放代码、权重、数据集和交互式 demo。
- 在真实世界的 30 物体测试集上，HUG 相比已有基线提升了 23% 和 34%。
「具身」频道最新
- FCC禁令下，美国本土快速制造机器人供应链资源汇总 — mattfreed · 2026-07-29
- Khora 提出线性扩展多智能体世界模型，复杂度不再平方增长 — siyuanhuang95 · 2026-07-29
- Nature揭示脊髓空间网络驱动运动生成的神经原理 — plopesresearch · 2026-07-29
- 国内首个爬壁具身机器人亮相，比亚迪荣耀 Arm 同步推进硬件 — 创业邦 · 2026-07-29
- 西雅图现身可骑乘机器人，瞄准滑板车和自行车自动驾驶 — Scobleizer · 2026-07-29
- 只靠一台 RGB-D 相机，机器人零样本叠起了衬衫 — Scobleizer · 2026-07-29