内容摘要
灵巧操作需要丰富的手—物体接触，但接触力新颖性信号可能不稳定，距离新颖性又不一定促成实际接触。作者提出ContactExplorer，将探索目标表示为手指—物体表面区域接触覆盖，而非仅鼓励接近物体。
方法用学习得到的哈希编码聚类物体当前与目标状态，分别累计接触次数，避免不同构型间的统计相互干扰；再结合接触后的计数新颖性奖励与接触前的能量式接近奖励，引导手指寻找尚未充分探索的区域。
作者在七项仿真任务上报告：使用40%训练预算时，平均成功率为75%，同预算各基线不超过47%。比较保持策略架构、观测和超参数一致，结果基于五个随机种子，平均值为七项任务均值的非加权平均。
真机杂乱物体分离采用教师—学生蒸馏，每种策略测试30次；相较仅用任务奖励，目标暴露成功率由36.7%升至76.7%，运送成功率由3.3%升至33.3%。暴露要求至少一半目标露出且可抓取，运送还要求抵达目标位置；两者差距主要来自暴露后未能接住并稳定物体。
点评
作者实验支持将状态条件化接触覆盖作为灵巧操作的探索组件；受限物体取回实验显示，它可减少对人工接触初始化的依赖。
评估仍以仿真为主；循环状态下重复接触的奖励会衰减。跨手型实验分别训练策略，真机手内重定向采用开环教师动作回放，不能据此认定单一策略具备跨本体或闭环通用能力。
版本与核查范围
版本 2603.10971v4 · 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 #S2.SS1.p1.1；#S1.p3.1；figcaption[25]；#S1.p4.1；#S5.SS2.p2.1；#S5.SS2.p1.1；#S2a.p21.1；#S4a.p3.1；#S4a.p6.1；#S5.SS5.p4.1；#S5.SS3.p1.1；#S6.p1.1