RLHND：用视频基础模型从第一人称视频同时估计手部位姿与触觉
RLHND 提出一种基于视频基础模型的手部跟踪模型，从单目第一人称视频中联合估计手部位姿与真实触觉信息。它把预训练的 Cosmos 3 视频扩散主干通过 clean-latent 条件化改造成确定性的片段级特征提取器，位姿流预测解剖学上合理的关节角度并支持形状参数条件化，触觉流在位姿流冻结下预测手表面的密集接触与力。
推荐理由：论文说明了用视频基础模型补上接触与力线索的思路，关注人视频用于机器人策略训练的读者可了解其方法路径。
技术方向
灵巧操作 最新动态
灵巧手与操作能力：多指灵巧手硬件、触觉传感、抓取与长程操作任务的进展。
31 条精选近 30 天 22 条共收录 108 条
更新
灵巧操作的精选
Hugging Face 每日论文精选AI 评分5656 雷锋网精选AI 评分6060 研究了1933篇 IROS 2026 论文，我们看到了机器人学的六项新变化
文章对 IROS 2026 进入正式议程的 1933 篇论文做多标签梳理，Robot Learning / Embodied AI 约 809 篇、Navigation / Planning 564 篇、Humanoid / Legged 约 213 篦，指出大模型并没有吃掉机器人学，学习、感知、规划、控制与操作正深度交织。
推荐理由：对1933篇论文的多标签统计给出了各方向的篇数与交叉数据，可据此判断机器人研究的真实重心分布。
机器人大讲堂精选AI 评分5858 别把自动驾驶的进度表套到具身智能上
文章认为自动驾驶能迁移给具身智能的是约50%的技术基建和方法论，但那张时间表不该一起搬。光象科技CEO张涛指出迁移部分落在数据采集、清洗、端到端训练、仿真验证和真机测试流程上，而接触类任务是机器人独有的难点；自变量王潜认为自动驾驶难点在导航和运动，机器人难点在操作，视觉只差几像素的两瓶水在动作层面就是两件事。
推荐理由：原文用50%迁移比例、仿真真机成功率落差和出货量对比，拆解了自动驾驶方法论能给具身智能留下什么、带不走什么。
arXiv cs.RO 机器人学精选AI 评分5858 FingerEye：基于连续视觉触觉感知的灵巧操作学习框架
FingerEye 是一个传感与学习框架，通过贯穿交互全程的视觉触觉反馈提升机器人灵巧操作能力。传感侧将双目 RGB 相机与柔性接触界面结合，接触前用指尖相机提供近距视觉线索与隐式立体信息，接触后用标记点追踪柔性环形件形变作为接触力旋量感知的代理；学习侧构建了真机与仿真数据基础设施，并提出 FingerEye Policy，采用分组结构的模态融合以减少模态捷径。
推荐理由：论文给出视觉触觉融合的具体设计与七项任务上的量化提升，可作为多模态灵巧操作方案的参考。
arXiv cs.RO 机器人学精选AI 评分5858 SimToolReal：面向零样本灵巧工具操作的以物体为中心策略
SimToolReal 提出一种以物体为中心的 sim-to-real 强化学习策略，在仿真中程序化生成大量工具类物体原语并训练单一策略，实现测试时无需针对具体物体或任务的训练即可完成灵巧工具操作。
arXiv cs.RO 机器人学精选AI 评分5858 FlashDexRetarget 提出多参考强化学习框架，加速灵巧操作数据生成
FlashDexRetarget 提出一种基于强化学习的多参考灵巧重定向框架，用单一策略联合学习多条演示，将重定向优化成本分摊到各参考上。
推荐理由：论文给出与 CHORD 的对比数据，可帮助评估多参考重定向在数据生成成本上的实际收益。
arXiv cs.RO 机器人学精选AI 评分5858 Real2Sim2Real 协同训练研究拆解世界对齐与行为对齐对灵巧操作策略的影响
Samuel Liu 等人构建 real2sim2real 流水线，将世界对齐与行为对齐作为两个独立变量，研究二者对协同训练策略性能的影响。在动态灵巧抓取分拣任务上，完全对齐的协同训练把成功率从 52% 提升到 86%；跨配置平均，世界对齐提升 18 个百分点，行为对齐提升 10 个百分点。
推荐理由：论文把世界对齐与行为对齐拆成两个独立变量，给出各自对成功率的贡献幅度，做仿真协同训练的人可据此分配数据投入。
arXiv cs.RO 机器人学精选AI 评分5858 UMR 提出统一操作表示，实现人类演示到异构机器人的零样本技能迁移
论文提出 Universal Manipulation Representation（UMR），把操作分解为与本体无关的 World Flow 和相对当前位姿的 Ego Trajectory 两部分，实现人类演示到异构机器人的零样本技能迁移。
推荐理由：论文给出统一动作表示的几何分解思路，跨本体迁移的方法设计对做 VLA 策略的研究者有参考价值。
arXiv cs.RO 机器人学精选AI 评分5858 DEXTERA 提出从单张图像到可部署灵巧操作的 Real-to-Sim-to-Real 框架
DEXTERA 提出一套自动化的 real-to-sim-to-real 框架，可将单张 RGB 图像转化为可部署的灵巧操作策略，覆盖场景分解、度量对齐、任务原语构建与多模态策略接口四个阶段。
推荐理由：论文给出从单张 RGB 图像自动生成可部署灵巧操作策略的完整流程，并报告仿真与真实协同训练带来的成功率变化。
arXiv cs.RO 机器人学精选AI 评分6262 EgoSteer 开源全栈系统：从第一人称视频实现可引导的灵巧操作
研究团队发布开源全栈系统 EgoSteer，用第一人称人类视频扩展灵巧手 VLA 预训练，并以少量真实机器人数据完成后训练。
推荐理由：论文给出从第一人称视频构建 9606 小时预训练数据的完整管线，做灵巧手数据工程的团队可对照其吞吐与精度做法。
arXiv cs.RO 机器人学精选AI 评分5858 AHEAD 提出潜空间预测世界模型，让 VLA 处理动态操作任务
AHEAD（Anticipatory Horizon Extrapolation with Adaptive Dynamics）提出一种 predict-then-act 包装器，用运动感知的潜空间世界模型预测 VLA 特征空间中的未来 patch token，使冻结的 VLA 能应对执行过程中物体移动的场景。
推荐理由：论文给出 AHEAD 在动态抓取任务上相对基线的成功率对比，可为处理运动物体的 VLA 方案提供参考。
arXiv cs.RO 机器人学精选AI 评分5858 用单一噪声向量改进生成式机器人策略：Golden Ticket 方法
该研究提出一种免导数的 episodic 潜在策略改进方法，通过将初始噪声采样替换为精心选择的常量噪声向量（golden ticket），改进冻结的 diffusion 或 flow matching 策略。
arXiv cs.RO 机器人学精选AI 评分5858 Mulligan 提出面向机器人在机学习的性能引导数据采集方法
Mulligan 将初始状态分布作为决策变量，每轮从已观察到的失败状态和未尝试状态开始采集，以提升固定监督采集预算下的数据效率。论文在 2,550 个盲测留出回合的三个真实任务和两个仿真任务上评估，相比均匀初始状态采样表现更好；结合基于价值函数的动作选择后，HiL-IDQL+Mulligan 在真实任务上最终成功率提升 10-34 个百分点。在操作员介入下，人机协作完成 98% 的采集回合。
推荐理由：论文给出在固定采集预算下按失败状态分配初始状态分布的做法，做数据采集策略的团队可参考其对比设计。
arXiv cs.RO 机器人学精选AI 评分5858 VICON：面向操作数据集的视觉-惯性-接触手物跟踪框架
VICON 提出视觉-惯性-接触手物跟踪框架，通过改造视觉惯性手套并按人类抓握频率布置 FSR 力敏电阻，同步记录接触状态与标定法向力，配合 RGB-D 相机与单目视频重建网格、基于因子图的物体轨迹估计，在严重遮挡下联合捕捉手物运动与接触信息。
Hugging Face 每日论文精选AI 评分6060 PhysEvo：围绕冻结模型的物理递归自改进框架在 RoboDojo 与真机上评测
PhysEvo 提出围绕单一冻结模型的物理递归自改进（RSI）框架，由任务 agent 执行机器人任务、meta-agent 依据轨迹诊断失败并修订工具与技能，全程不更新模型权重也不训练独立动作策略。
推荐理由：论文给出与 RoboDawn 和直接 Astra 的对照成功率，便于评估冻结模型下递归自改进的实际增益。
Sanctuary AI 新闻精选AI 评分6363 Sanctuary AI 提出 TIGER，用模仿策略作稠密奖励引导真机强化学习
Sanctuary AI 提出 TIGER（Task-Space Imitation Guidance for Efficient Reinforcement learning），把模仿策略当作稠密奖励信号而非控制器来引导强化学习。
推荐理由：原文给出把模仿策略转为稠密奖励的具体做法与消融结果，可参考其降低真机安全重置次数的思路。
IEEE Spectrum · Robotics精选AI 评分6767 Boston Dynamics 为 Atlas 机器人发布重新设计的四指灵巧手
Boston Dynamics 发布 Atlas 机器人的新一代灵巧手，自由度从上一代的 7 增至 13，采用四指设计并支持手指张开，可握持带扳机的工具手柄。新手手将执行器直接嵌入关节、采用直驱配置，执行器包可整体更换，去掉了跨关节易损的腱绳与线缆，以兼顾可靠性、可仿真和低成本量产。Boston Dynamics 表示目前正研究细节调整，目标是实现年产 100,000 只的规模。
推荐理由：原文给出自由度从 7 增至 13、直驱关节与可更换执行器包等设计取舍，可对照理解灵巧手在可靠性与量产成本上的权衡。
波士顿动力博客精选AI 评分7272 波士顿动力发布 Atlas 新一代四指灵巧手，13 自由度直接驱动
波士顿动力为新一代 Atlas 发布四指灵巧手，共 13 个自由度、直接驱动，尺寸接近大型人手且平均力量更强，可搬运装满 100lb+ 的小冰箱。手部配备覆盖指尖和掌面的密集压力触觉传感器，关节可反向驱动以实现本体感知，支持捏取、三指抓握和握持电钻、射钉枪、焊枪等带扳机工具。
推荐理由：原文解释了四指 13 自由度设计如何在灵巧性、强度与量产成本之间取舍，可为同类末端执行器选型提供参考。
高工机器人精选AI 评分6262 国产力传感器切入人形机器人量产，从微型六维力到关节扭矩全链路覆盖
国产力传感器厂商正批量进入人形机器人供应链，坤维科技已供货优必选、智元、银河通用、小米等，蓝点触控客户覆盖智元、银河通用、众擎、星海图，鑫精诚传感器进入近200家客户供应链。
推荐理由：文章梳理了国产力传感器在微型化、MEMS工艺和结构解耦上的进展，并给出各厂商产能与客户数据，可用于判断国产替代节奏。
高工机器人精选AI 评分6464 珞石第10000台人形力控臂下线交付，已合作80余家头部伙伴
珞石第10000台人形力控臂于9月29日在智能制造未来工厂下线交付，目前已与80余家产业头部伙伴合作。该产品为太白AR系列，负载覆盖3-20kg，采用仿人化七自由度设计及十字腕构型，将全关节力控扩展到整条机械臂。万台交付意味着珞石建成统一标准、同一条产线、同一套出厂测试的批量制造体系，其产品已进入全球40多个国家和地区的1000余家客户。
推荐理由：万台交付背后是统一产线与出厂测试的批量制造体系，可作为具身智能执行单元规模化落地的参照。