DexterityGen

Meta 与伯克利的灵巧手底层控制器：把人粗略的遥操作指令变成精细手指动作。

DexterityGen（简称 DexGen）是 Meta FAIR 与加州大学伯克利分校团队 2025 年 2 月发布的灵巧手控制方法。灵巧手自由度高，人直接遥操作很难稳定完成手内转笔、拧螺丝这类精细动作；纯强化学习又难学会长程复杂任务。它的分工是：先在仿真里用强化学习训练大量手内旋转、平移等运动基元，收集约 10¹⁰ 条状态转移；再用这些数据训练一个扩散模型当「基础控制器」，根据当前观测生成指尖关键点运动，由逆动力学模型换算成关节指令。部署时上层（如人的遥操作）只给粗略意图，DexGen 把它细化成稳定的灵巧动作，并能拒绝危险动作。

例子在 Franka 机械臂 + Allegro 灵巧手上，操作员戴 Manus 数据手套遥操作，借助 DexGen 完成调整和使用笔、注射器、螺丝刀等动作；论文报告物体保持不掉落的时长比基线提升 10–100 倍。

也叫

DexGen

相关

灵巧操作、手内操作、强化学习、扩散模型、遥操作、Meta FAIR

来源

DexterityGen: Foundation Controller for Unprecedented Dexterity (arXiv:2502.04307)
DexGen 项目主页

信息截至

2025-02