DexUMI 外骨骼可穿戴接口几何差异如何影响触觉表征与操作策略
DexUMI 系列外骨骼的两种手部几何版本在相同机器人指令定义、映射流程和触觉模块下，改进版降低了操作者体力需求，并在基线版机械受阻的精密抓取中实现触觉采集。在开盖和开鸡蛋盒任务中，改进版演示训练的策略成功率高于基线版，空间加力输入也优于二值聚合输入。
#模仿学习
arXiv cs.RO arXiv cs.RO 预测未来还不够：为机器人操作学习可执行目标
研究者提出 Entity-Level Goal Readout，一种从 3D trace 世界模型读出可执行终端目标的学习式预测到执行接口，将物体姿态预测与基于观测深度的平移结合，输出 SE(3) 紧凑目标。
arXiv cs.RO Workhorse：从人类数据学习鲁棒全身人形机器人移动操作
Workhorse 让 Unitree G1 从无机器人的人类演示中学习全身移动操作，视觉规划器预测躯干、双腕和双脚五链路目标，强化学习全身跟踪器在机器人上执行，两条策略分别基于同一批人类姿态数据训练且无需重定向。