KITE：解耦运动学与交互的零样本跨形态操作

Qianxu Wang、Shengmiao Samuel Jin 和 Kuan Fang 提出 KITE 方法，将操作任务拆成两部分：与具体机器人形态无关的交互意图预测，以及与形态相关的运动学解码，两者通过基于接触模式学习到的交互意图表示连接。训练时只用源机器人的演示数据训练交互策略，再借助各目标形态的运动学模型生成合成数据来训练解码器。 在仿真和真实世界的四项操作任务中，KITE 对平行夹爪、灵巧手和复合具身实现了零样本迁移，并称持续优于 SOTA 基线。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。