DexUMI

DexUMI: Using Human Hand as the Universal Manipulation Interface for Dexterous Manipulation进阶

用可穿戴外骨骼让人手直接采灵巧手数据，并把画面里的人手换成机器人手。

DexUMI 是斯坦福宋舒然团队与哥伦比亚大学、英伟达等 2025 年提出的灵巧手数据采集与策略学习框架，入围 CoRL 2025 最佳论文候选。它把 UMI（通用操作接口，用手持夹爪采数据）的思路推广到多指灵巧手，用人手当采集接口，并从两方面缩小人手和机器人手的本体差异。硬件上，为目标机器人手专门设计可穿戴外骨骼，把人手动作限制在机器人手做得到的范围内，人也能直接感到接触；手腕位姿用 iPhone 记录，腕下装广角相机，外骨骼带触觉传感器。软件上，把画面里的人手和外骨骼抠掉、补全背景，再贴上同姿态的机器人手图像，让训练画面和部署时一致。在 Inspire 和 XHand 两种手上平均成功率 86%。