DexTaG：用人类触觉示教引导 RL，机器人学人类式用工具
gan_chuang · x · 2026-09-30
UMass Amherst 与 Genesis AI 团队发布 DexTaG，一种将触觉作为 RL 奖励引导的灵巧操作训练管线：
- 核心思路：用动捕手套记录人类演示（含全手触觉读数），把触觉信息作为 RL 训练中的奖励引导，帮助策略学会人类式的抓取形成与接触模式，降低对精确参考几何的依赖。
- 任务：训练涵盖马克笔、锤子等需要掌内重定向的高难度工具使用任务，同一任务下单一 retargeting 策略可泛化到保留轨迹，无需逐条重训。
- 部署：训练好的策略蒸馏为无触觉传感器的学生控制器，可零样本部署到真实机器人。
- 意义：动捕手套是扩展灵巧操作数据的一条可行路径，示教可解锁徒手操作才有的掌内重定向能力。
「具身」频道最新
- 清华 Simple-WAM:一次前向替代视频去噪,世界动作模型泛化两全其美 — Tsinghua-LeapLab · 2026-09-30
- 开源人形机器人 Roboparty 亮相 IROS，还能摸高达 — 4310sy · 2026-09-30
- Scoble 称 Google Glass 将回归:我们只是太早,而非方向错误 — Scobleizer · 2026-09-30
- DexAgent 从单个人类视频学双手灵巧操作，成功率达 63.6% — YunzhuLiYZ · 2026-09-30
- Wayve 伦敦 Uber 试乘超预期，体验直逼 Waymo — Sethwinterroth · 2026-09-30
- DynaRobotics 用 Isaac Sim 大规模 RL 训出轮式机器人全身控制器 — zhengyiluo · 2026-09-30