CMU 新研究：抓取数据预训练让灵巧手工具操作成功率提升 33 个百分点
davheld · x · 2026-11-04
卡内基梅隆大学团队在 CoRL 2026 发表论文《From Grasps to Dexterity: Large-Scale Grasp Pretraining for Dexterous Manipulation》：
- 核心问题：大规模灵巧抓取数据能否用于比抓放更复杂的关节工具操作（取工具、保持接触、操作活动部件）
- 方法：用 35.5 万条轨迹的抓取预训练数据集预训练低层控制器，再在下游任务示范上微调；采用高层手部子目标预测 + 低层目标条件控制的分层模仿学习框架
- 发布 DexCraft 仿真 benchmark，含喷壶、打火机、订书机等 6 项关节工具任务，5 条遥操作示范经 MimicGen 扩增至 100 条
- 结果：仿真与真机均优于端到端 diffusion policy 和从零训练的分层策略；真机上全任务成功率比 DP3 高 33.3 个百分点
结论：抓取数据集不只是抓取合成的资源，也可作为接触密集型灵巧操作的可扩展预训练数据。
「具身」频道最新
- Gus Robotics 团队深圳工厂亲历 Microduck 机器人产线首跑 — mishig25 · 2026-11-05
- 智能眼镜计算机视觉帮花农采花，季节工培训时间归零 — nptacek · 2026-11-05
- 开源通用机械臂亮相：物料成本1500美元，月租2000美元可24/7干活 — kamathsblog · 2026-11-05
- Walkie One 发布：全球首款 AI 对讲机，无屏连接任意 AI 助手 — Scobleizer · 2026-11-04
- SimEX：coding agent 先在仿真中练技能，每任务仅 10 分钟真机时间 — micoolcho · 2026-11-04
- DISCO 获 CoRL 2026 最佳论文入围：连续动作蒸馏树搜索 — davheld · 2026-11-04