DexForesight：隐式空间预判让灵巧操作成功率提升逾 11 个百分点
Sharpa-Robotics · hf · 2026-11-11
Sharpa Robotics 联合上交大、港中文、复旦推出灵巧操作框架 DexForesight，核心思路是把「空间预判」隐式地注入策略的 latent 空间，而不依赖显式的未来预测：
- 训练阶段用离线场景深度、手部运动学几何与演示轨迹学习一个动作条件化的空间世界模型，可预测 3D 手部点位运动与视觉特征变化，甚至包括相机视野中被遮挡手指的运动
- 之后冻结世界模型，将策略 query 与其预测性 world query 对齐，把学到的空间动力学迁移进策略 latent，用于条件化动作生成
- 部署时只保留策略本体，仅用 RGB 观测、语言指令和机器人状态，无需深度输入或显式未来预测
成绩：在 11 个 DexJoCo 仿真任务上，基础策略成功率从 49.4% 提升至 60.5%；三个真机灵巧操作任务上达到 58.3% 成功率，最强基线为 50.0%。
「具身」频道最新
- 人形机器人工厂搬曲轴：15 周训练后仍需每 6 分钟人工接管 — ZeeshanZiaML · 2026-11-11
- CoRL 2026 现场名场面：「触觉重要但触觉反馈不重要」「你为什么在乎延迟？」 — breadli428 · 2026-11-11
- JKU 林茨新设机器智能研究所，招 2 名机器人学习方向博士生，一周内截止 — HildeKuehne · 2026-11-11
- Darpinian:Tesla 应等 AI5 芯片就绪再大规模量产 Cybercab — Darpinian · 2026-11-11
- CoRL 论文 Maestro：用廉价旧模型 Gemini 2.5 零样本操控真机器人 — dineshjayaraman · 2026-11-11
- 开源药物发现引擎 OpenDDE 发布，抗体-抗原共折叠逼近商业最优 — teortaxesTex · 2026-11-11