arXiv cs.AI· Amber Xie, Jiawei Fu, Xiaofeng Guo, Carmelo Sferrazza, Guanya Shi, Haozhi Qi·· 11 小时前AI 评分38
DexPort：面向高自由度机械手数据采集的手持技能接口
DexPort: A Hand-Held Skill Interface for Dexterous Hand Data Collection
AI 导读
DexPort 是一款面向高自由度机械手的手持数据采集接口，采集与部署使用同一套手部硬件，避免手部本体差异，并同时记录关节目标指令与实测关节状态。操作者移动手持接口指定机械腕运动、选择或调整技能来协调手指动作，无需逐关节控制。团队采集超 2,500 条演示，覆盖 4 项任务，使用记录的机器人指令替代状态使成功率从 11% 提升至 64%，使用野外数据使任务成功率从 36% 提升至 78%。
正文 · AI 翻译
摘要：采集高质量演示数据仍然是学习灵巧操作的核心瓶颈。遥操作可以记录机器人可执行的动作，但它需要完整的机器人装置，并且把协调众多手指关节的负担压在操作者身上。人类演示更容易采集，但其动作必须经过估计并重定向到机器人上，而且不能直接提供机器人动作。本文提出 DexPort，一种面向高自由度机器人手的便携式数据采集接口。它在采集和部署时使用相同的手部硬件，避免了手部具身差异，并同时记录指令关节目标与实测关节状态。我们的关键观察是：一小组技能即可支撑广泛的灵巧任务。在采集过程中，操作者移动手持接口来指定机器人腕部运动，并选择或调整协调手指运动的技能。这样既无需独立控制每个关节，又保留了精确抓取和手内操作等行为。我们在多个真实世界任务以及没有机械臂的非结构化环境中采集演示数据。随后，我们使用行为克隆，直接在记录的腕部运动和手部指令上训练视觉运动策略，无需技能标签。我们在 4 个任务上进行评估：多样物体的拾取放置、使用手内工具拧螺丝、需要同时抓取和拉动的抽屉收纳，以及双臂扫描任务。我们使用便携设备在实验室和野外环境中采集了超过 2,500 条演示。在我们的任务中，使用记录的机器人指令而非状态时，性能从 11% 提升到 64%；使用野外数据时，任务成功率从 36% 提升到 78%。
| 评论： | 网站：此 https URL |
| 主题： | 机器人学（cs.RO）；人工智能（cs.AI）；机器学习（cs.LG） |
| 引用为： | arXiv:2610.32969 [cs.RO] |
| （或 arXiv:2610.32969v1 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.32969 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Amber Xie [查看邮箱]
[v1]
2026 年 10 月 23 日星期五 17:56:28 UTC（9,494 KB）
来源：arXiv cs.AI · arxiv.org