内容摘要
作者提出全身灵巧性框架 WBD，将机器人的手臂与躯干作为接触面，通过持续改变支撑接触来移动物体，而不只依赖末端抓取。流程先以能量优化生成抓取并经仿真筛选，再训练按物体划分的强化学习专家，最后将专家轨迹蒸馏为共享控制器。训练目标结合物体位置与左臂、双臂或右臂抓持模式，换手经过双臂支撑，允许移动中短暂失去接触，但要求到达目标时稳定持物。
蒸馏控制器结合条件扩散模型与逆动力学网络，使用本体感觉历史和物体几何描述，将操作者的粗略动作指令细化为关节目标，无需逐步输入特权物体状态。作者报告策略零样本迁移至宇树 G1，完成篮球、纸箱的肩部触碰与腋下收纳，以及纸箱取放搬运。在该论文的真机设置下，按物体往返与完整货架序列统计，WBD 完成 45/50 次试验，GMR 直接重定向为 9/50，SONIC 为 2/50；其中 WBD 完整货架任务完成 7/10 次。
全部试验由同一名熟练遥操员执行，因此这些结果应理解为特定任务中的遥操控制改进，而非自主通用操作能力。
点评
将灵巧操作的学习对象从末端扩展到手臂—躯干之间的接触转换，为粗略遥操指令下维持物体支撑提供了一条技术路径。
证据为作者论文实验，不是独立复现；真机测试限于篮球和纸箱，并依赖单名熟练遥操员。训练未纳入腿部抓持，仍有失去接触并掉落的失败，不能外推至任意物体或自主操作。
版本与核查范围
版本 2610.22184v1 · 原文定位与程序检查、独立上下文模型复核；不代表独立研究复现。。依据已核查材料整理；未运行模型或机器人。
原文与定位
- 原文链接 #S1.p1.1；#S3.p2.1；#A1.SS6.p1.1；#S1.p4.1；#S3.SS2.p2.1；#S3.SS3.p2.1；#S3.SS3.p2.1；#abstract1.1；#S4.SS3.p1.1；#S4.SS3.p3.1；#S4.T2.2；#S4.SS3.p2.1