北大团队突破通用抓取技术，单条演示适配所有灵巧手

北京大学与BeingBeyond团队联合推出了DemoGrasp框架——一套简洁高效、适用于通用灵巧手抓取任务的学习方案。

在灵巧手通用抓取的研究中，因为动作空间维度复杂、任务涉及长距离探索且需要适应多样化物体，传统强化学习方法常常陷入探索效率低、奖励函数设计复杂等困境。

针对这些挑战，北大与BeingBeyond团队提出了DemoGrasp框架：

一种既简单又高效的灵巧手通用抓取学习方法。

该方法以一次成功的抓取演示轨迹为基础，通过对轨迹中的机器人动作进行智能编辑，灵活适应不同物体与摆放姿态：通过调整腕部位姿来精准确认“抓取位置”，通过微调手指关节角度来优化“抓取方式”。

这一核心创新——将原本多步决策的马可夫过程重构为基于轨迹编辑的“单步MDP”，显著提升了强化学习在抓取任务中的学习效率和真实环境迁移性能。

核心设计：单条演示 + 单步强化学习

从“多步探索”到“全局编辑”

传统强化学习的困境：高维动作空间中复杂的探索难题

动作空间：每一步都需要控制高自由度机器人的所有关节指令。奖励设计：需要设计复杂的密集奖励函数，引导机器人避开碰撞、成功抓取并完成平滑运动。课程学习：需设计复杂的多阶段学习流程，帮助强化学习克服探索瓶颈。

DemoGrasp 的核心创举在于用“单条成功演示轨迹”替代“从零开始的探索”，将高维抓取任务转化为“演示编辑任务”，再通过单步强化学习优化编辑参数，最终结合视觉模仿学习完成虚拟到实机的迁移。

单条演示和轨迹编辑

一条抓取特定物体的成功轨迹，实际上蕴含了抓取任务通用的行为模式（例如“靠近物体→闭合手指→抬起手腕”），只需微调轨迹中的手腕和手指抓取方式，便能适配从未见过的新物体。

DemoGrasp仅需对一个物体（比如一个方块）采集一条成功抓取演示，即可通过物体中心的轨迹编辑，生成针对新物体、新位置的成功抓取策略：

腕部姿态编辑：在物体坐标系下，对原始轨迹中的每一个手腕位置点施加一个统一的变换，灵活调整手腕抓取方向和位置，适应不同大小、形状物体的合适抓取点。手指关节编辑：对手指的抓取关节角度施加一个增量，通过与演示轨迹的等比例插值，生成灵巧手从初始张开状态平滑到达新抓取姿态的动作轨迹。

单步强化学习

在仿真环境中，DemoGrasp利用IsaacGym创建了数千个并行世界，每个世界里都有不同的物体和随机摆放场景。

学习过程：每一个仿真世界中，策略网络根据初始观测（末端姿态和物体点云、位姿）输出一组手腕和手指编辑参数，执行编辑后的轨迹，根据执行过程中是否“抓取成功”和是否“发生碰撞”获得相应奖励。

通过海量试错和在线强化学习，策略学会根据不同的物体观测，输出恰到好处的编辑参数。

训练效率：在这个紧凑动作空间的单步MDP问题上，DemoGrasp使用单张RTX 4090显卡仅需训练24小时即可收敛至超过90%的成功率。

视觉蒸馏，虚实迁移

仿真中的强化学习策略依赖于精确的物体点云和位姿，这在现实中难以获取。DemoGrasp通过视觉模仿学习，将策略蒸馏成与真机对齐的RGB策略，实现从仿真到真机的直接迁移。

数据采集：在仿真中运行强化学习策略，记录下上万条成功轨迹：包括渲染的RGB图像、每一时刻的机器人本体感知和关节角度动作。

模型训练：采用流匹配生成模型的学习方法，学习从图像观测和机器人本体感知预测动作。

为缩小仿真到真机的视觉图像差异，训练还使用了预训练的ViT提取图像特征，并在仿真数据收集时充分地进行了域随机化（随机化光照、背景、物体颜色纹理、相机参数等）。

多模态适配：DemoGrasp适配单目/双目、RGB/深度相机等多种相机观测。

实验表明，双目RGB相机组合的效果最佳，能够更好利用纹理和轮廓等信息成功抓取小而薄的物体。

实验结果：仿真和真机双优，全面提升灵巧抓取的泛化性和扩展性

DexGraspNet是灵巧抓取领域的权威数据集（3.4K+物体）。

DemoGrasp在该数据集上使用Shadow Hand抓取，性能显著优于现有方法：视觉策略成功率高达92%，训练集到测试集的泛化差距仅为1%，且适应大范围物体位置随机化（50cm×50cm）、具备更强空间泛化能力。

跨本体扩展：适配任意灵巧手和机械臂本体

DemoGrasp无需调整任何训练超参数，成功适配6种不同形态的灵巧手（五指、四指灵巧手，三指夹爪和平行夹爪等），在175个物体上训练后，在多个未见过的物体数据集上达到了84.6%的平均成功率。

高性能的虚实迁移

在真实机器人测试中，使用Franka机械臂和因时灵巧手，DemoGrasp成功抓取了110个未见过的物体。

在常规大小物体分类上，DemoGrasp成功率均达到90%以上；

对于扁平物体（手机壳、剪刀等）和小物体（瓶盖、小黄鸭等）这类困难抓取任务，策略能够准确抓取物体、避免碰撞，成功率保持在70%左右。

DemoGrasp框架还展现出对复杂抓取任务的扩展能力，支持在杂乱多物体摆放的场景下实现用语言指令引导抓取，且达到84%的单次抓取成功率。即使面对光照、背景和物体摆放的大幅变化，策略的成功率依然保持稳定。

DemoGrasp开创了融合少量人类演示实现高效机器人强化学习的新路径，将成为未来功能性抓取、工具使用、双手操作等更多灵巧手任务的强大基础。

训练时策略的闭环能力是当前方法的一个局限，后续研究将通过对演示轨迹更细粒度的拆分，增强强化学习策略的实时调整与容错恢复能力。

此外，DemoGrasp可以结合多模态大模型，实现开放场景下的自主抓取智能体。

项目主页：https://beingbeyond.github.io/DemoGrasp/

论文：https://arxiv.org/abs/2509.22149

免责声明

游乐网为非赢利性网站，所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系youleyoucom@outlook.com。

同类文章