OATH：灵巧手物理重定向的残差学习方法

Solvin Sigurdson 等研究者提出 OATH，把灵巧手演示轨迹的物理重定向建模为残差学习问题，在观测空间中加入局部接触误差信号，引导每个机器人连杆指向物体表面目标坐标，使单一残差策略能零样本抓取未见过的物体几何。 在 DexYCB 数据集上，OATH 恢复了 58% 的留出物体轨迹和 54% 的未见物体轨迹，跟踪误差保持在 2 厘米以内；每秒参考数据仅需 0.4 秒计算，比实时快 2.4 倍，计算成本较基于采样的方法降低 60–350 倍。

AI 根据报道生成 · 51 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。