arXiv · cs.AI· Conor Mc Gartoll, An Dang, Pranay Thangeda, Arjun Gupta, Carolina Higuera, Nima Fazeli, Mustafa Mukadam, Manikantan Nambi·· 6 小时前
Whole-Body Dexterity：利用全身接触表面操控物体的强化学习框架
Whole-Body Dexterity
arXiv:2610.22184v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Conor Mc Gartoll, An Dang, Pranay Thangeda, Arjun Gupta, Carolina Higuera, Nima Fazeli, Mustafa Mukadam, Manikantan Nambi
研究任务与主要进展
研究团队提出 Whole-Body Dexterity（WBD），利用机器人身体和附肢作为接触表面抓取并操控物体。其仿真到现实流程先生成可行全身抓取数据，再训练强化学习专家并蒸馏为使用本体感知和物体几何信息的单一策略；该策略零样本迁移到真实 Unitree G1，完成篮球和纸箱的躯干周围重定位及长程搬运放置任务，试验成功率为90%，高于直接重定向的18%和通用全身控制器的4%。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org