摘要：CoRL 2025 投稿量子位 | 公众号 QbitAI手把手教机器人，直接就能让它学到真本事！不管是采茶沏茶做早餐，这些精细活儿都「手」到擒来。还是灵巧手的那种。来自斯坦福大学、哥伦比亚大学、摩根大通AI研究院、卡耐基梅隆大学、英伟达提出了一种数据采集与策略
CoRL 2025 投稿量子位 | 公众号 QbitAI手把手教机器人，直接就能让它学到真本事！不管是采茶沏茶做早餐，这些精细活儿都「手」到擒来。还是灵巧手的那种。来自斯坦福大学、哥伦比亚大学、摩根大通AI研究院、卡耐基梅隆大学、英伟达提出了一种数据采集与策略学习框架DexUMI——利用人手作为自然接口将灵巧操作技能迁移至多种灵巧手。该框架通过硬件与软件的双重适配，最大限度缩小人手与各类灵巧手之间的具身差异。相信不少人看过去年他们发布的UMI，通过记录并学习人类操作，让夹爪类机器人学会洗碗，结果在行业引发不小的关注和轰动。
星动XHAND 1之所以在厨房执行任务上表现良好，是因为其背后的关节全直驱方案以及指尖270度覆盖的高精度触觉传感器。 接下来，协同灵巧手如星动XHAND 1打造科研基础设施，贡献学习dataset建立数据采集共享社区将变成可能。在这个社区中，众多的数据采集者、研究机构、企业以及其他相关从业者都可以积极参与其中，共同贡献和使用高质量数据集。对于后续的使用者可以直接从共享社区中获取到高质量的数据集。这些数据集涵盖了多种类型和领域，能够满足不同用户在数据研究、模型训练、产品研发等方面的多样化需求。这种数据共享模式将降低数据采集的成本，避免了重复采集和资源浪费，还将大大提高了数据采集的效率，加速Scaling law中真实数据的比例，从而加速灵巧操作在实际应用场景的落地，推动扩大整体市场规模。论文链接： https://arxiv.org/pdf/2505.21864v2 来源：科学天天谈
免责声明：本站系转载，并不代表本网赞同其观点和对其真实性负责。如涉及作品内容、版权和其它问题，请在30日内与本站联系，我们将在第一时间删除内容!
