论文摘要 · 2026-10-02 · arXiv (Cornell University)
提出适用于多种机械手的可复用抓取技术 GOTT
GOTT: Object-centric Dexterous Manipulation with a Reusable Cross-Embodiment Primitive
- 做了什么
- 为了让具有多根手指的仿生机械手能够稳定地抓取物体并朝期望方向移动，本文提出了 GOTT —— 一种可在不同机器人及手型间通用的接触技术。
- 核心结果
- 研究报告称，在模拟和真实机器人实验中，GOTT 在各种物体、臂手平台以及未在训练中出现过的新手型上均能建立稳定的接触，并且与预设抓取方式相比，能持续提高整体任务成功率。
- 意义
- 该研究表明，使用不依赖于特定机器人的通用动作组件，即使机器人手型发生变化，也能复用相同技术。不过仅凭摘要，尚难判断其商业化水平或实际产业效益。
研究背景
大规模 AI 模型和人类演示数据为如何操作物体提供了丰富的信息，但将其转化为多指机器人的实际动作仍然很困难。特别是缺乏一种可在多项任务和多个机器人之间稳定建立接触的可复用基础动作。
方法
研究团队提出了 GOTT 架构，由以下阶段组成：将手移动至物体附近阶段、利用通用接触技术进行稳定抓取阶段、以及跟随物体目标姿态进行移动的阶段。物体的运动轨迹和接近指令可从考虑未来的规划、外部模型或人类演示等多种方式获取，而核心接触技术和轨迹控制部分则保持不变。
主要结果
据报告，在模拟和真实机器人实验中，该技术对各种物体和机器人平台均实现了鲁棒的接触。它也适用于训练中未使用的手型，并且与开环式简单抓取执行相比，整体任务成功率得到了持续改进。
局限与待确认之处
摘要中未给出具体的成功率数值、实验物体和机器人的数量以及失败案例的比例等，因此难以定量确认性能程度。此外，也无法从摘要中确认其是否能在实际现场的复杂环境中以同等水平运行。
本摘要由 AI 根据论文摘要撰写，并经编辑审核。 本页摘要由 AI 根据编辑审核过的韩文版本翻译。 具体数据与背景请查阅原文。
本页面整理已发表的论文、官方公告和媒体报道，仅供参考。论文摘要由 AI 根据论文摘要撰写并经编辑审核，可能与原文存在差异，重要内容请查阅原文。本页面不构成任何证券的买卖建议或投资咨询。 人事变动以官方公告或主要媒体报道为来源，部分履历参考维基数据（CC0）。 本页摘要由 AI 根据编辑审核过的韩文版本翻译。
