arXiv cs.AI· Zhexi Luo, Zhixuan Xu, Rui Yang, Zeyu Xiao, Yiwen Hou, Lin Shao·· 2 天前AI 评分31
DexMimic：通过价值引导重置分配实现通用灵巧手-物体跟踪策略
DexMimic: A Generalist Dexterous Hand-Object Tracking Policy via Value-Guided Reset Allocation
AI 导读
DexMimic 是一种跨多样人手-物体交互轨迹联合训练的通用灵巧手-物体跟踪策略，通过 Value-Guided Reset Allocation 在线调整初始化分布，优先训练困难阶段并选择高期望跟踪回报的重置状态。实验显示其跟踪成功率与训练效率提升、微调更快，并具备对未见轨迹和物体的零样本泛化潜力，训练集越大效率与泛化越好，已在真实灵巧操作平台上验证。
正文 · AI 翻译
摘要：实现类人的灵巧操作仍然是机器人领域的核心挑战。从人手-物体交互（HOI）数据集中学习为获取多样化灵巧技能提供了一条有前景的途径，然而现有的基于物理的方法针对单条轨迹训练专用策略，从而限制了技能的大规模复用。我们提出了 DexMimic，一种在多样化 HOI 轨迹上联合训练的通用灵巧手-物体跟踪策略。高效的联合训练需要将每次 rollout 分配到既训练不足的阶段，又支持持续跟踪的起始状态。DexMimic 通过价值引导重置分配（Value-Guided Reset Allocation）实现了这一洞见，该方法在线自适应初始化分布，以优先考虑困难阶段，并选择具有更高期望跟踪回报的重置状态。我们进一步引入了一个涵盖训练、微调和泛化的基准。实验表明，跟踪成功率和训练效率得到提升，微调更快，并具有对未见轨迹和物体进行零样本泛化的潜力；更大的训练集进一步提升了效率和泛化能力。最后，我们在真实世界的灵巧操作平台上验证了 DexMimic。
| 评论： | 13 页，包括 4 页补充材料。v2：更新了作者单位；科学内容未变。项目页面：this https URL |
| 主题： | 机器人学（cs.RO）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.19089 [cs.RO] |
| （或 arXiv:2610.19089v2 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.19089 arXiv 颁发的 DOI 通过 DataCite |
提交历史
来自：Zhexi Luo [查看电子邮件]
[v1]
2026 年 10 月 13 日星期二 19:29:33 UTC（12,971 KB）
[v2]
2026 年 10 月 15 日星期四 06:00:59 UTC（12,971 KB）
来源：arXiv cs.AI · arxiv.org