DexMimic 提出价值引导重置分配的灵巧手物跟踪策略

Zhexi Luo 等研究者提出并验证了通用灵巧手-物体跟踪策略 DexMimic，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预期跟踪回报更高的重置状态。 实验显示该策略提升了跟踪成功率与训练效率、微调更快，并在未见轨迹和物体上展现零样本泛化潜力；更大训练集进一步改善效率与泛化。最终在真实灵巧操作平台上完成验证。

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。