DexMimic：基于价值引导重置分配的通用灵巧手-物体跟踪策略

事件经过

arXiv:2610.19089v1 公告类型：新增 摘要：实现类人的灵巧操作仍是机器人领域的核心挑战。实验表明，该方法提升了跟踪成功率和训练效率，加快了微调速度，并具备对未见轨迹和物体进行零样本泛化的潜力；更大规模的训练集可进一步提高效率与泛化能力。

从人类手-物体交互（HOI）数据集中学习，为获取多样化的灵巧技能提供了一条有前景的途径，但现有基于物理的方法针对单条轨迹训练专用策略，因而难以大规模复用技能。高效的联合训练需要将每次采样推演分配到一个训练不足的阶段，并分配到一个能够支持持续跟踪的起始状态。DexMimic 通过价值引导重置分配实现了这一思路：该方法在线调整初始化分布，以优先处理困难阶段，并选择预期跟踪回报更高的重置状态。

关键事实

• 高效的联合训练需要：将每次推演同时分配到一个训练不足的阶段，以及一个能够支持持续跟踪的起始状态