Berkeley 提出 Morphometric Imitation:人手示教零样本迁移到 3 种机器手,真机成功率 89.3%
Berkeley · hf · 2026-09-28
Berkeley 团队提出 Morphometric Imitation，三阶段框架把重建的人类手-物体交互（HOI）直接转化为零样本 sim-to-real 视觉运动策略。
流程：
- 形态计量优化（MMO）：在保留示教接触的前提下，跨手形态动力学重定向人体动作
- 残差强化学习：利用人体动作中的物体位姿与接触信息，把运动学参考精化为动力学可行的机器人示教
- 蒸馏为视觉运动策略
结果：3 种机器手 × 10 种 HOI 上，MMO 的接触 F1 较五个最强基线至少提升 8 点，下游动态重定向成功率最高提升 35 点；真机 300 次试验、30 个物体上零样本成功率达 89.3%。
「具身」频道最新
- IMLE-VLA 单步替代流匹配,机器人动作生成提速 3.67 倍达 55Hz — petitegeek · 2026-09-28
- Yacine 演示同套基础设施通用 sim2real：两分钟完成训练 — yacineMTB · 2026-09-28
- 机器人进步仅用 7 年,从被踢翻的机器狗到惊叹新高度 — alvelda · 2026-09-28
- InternW0-Δ 发布:20K+ 小时开放数据训练世界动作模型,将全面开源 — Xingyu Miao · 2026-09-28
- SolidBot 导出后处理程序驱动机器人搬钢,即将测试 TCP 精度 — MatthewChang · 2026-09-28
- 车主实演示 2022 款 Tesla HW3 本地实时运行 Grok Agent — Scobleizer · 2026-09-28