论文页面 - DexJoCo：面向MuJoCo任务导向灵巧操作的基准测试与工具包

来源：https://huggingface.co/papers/2605.16257
发布日期：5月15日

今日第2篇论文 (https://huggingface.co/papers/date/2026-05-18)
作者：
，
，
，
，
，
，
，
，
，
，
，

摘要

DexJoCo 提出了一个面向灵巧操作的基准测试与工具包，包含 11 个功能驱动的任务，评估工具使用、双手协调、长时序执行，并配套低成本数据采集系统和全面的模型评估。

实现人类水平操作需要具备复杂物体交互能力的灵巧机械手。为推进此类能力，需要标准化的基准测试 (https://huggingface.co/papers?q=benchmark) 以进行系统评估。然而，现有的灵巧操作基准测试缺乏能体现灵巧手相对于平行夹爪独特操作能力的任务，也缺少全面的评估流程。本文提出 DexJoCo —— 一个面向任务导向灵巧操作的基准测试 (https://huggingface.co/papers?q=benchmark) 与工具包 (https://huggingface.co/papers?q=toolkit)，包含 11 个功能驱动的任务 (https://huggingface.co/papers?q=functionally%20grounded%20tasks)，评估工具使用 (https://huggingface.co/papers?q=tool-use)、双手协调 (https://huggingface.co/papers?q=bimanual%20coordination)、长时序执行 (https://huggingface.co/papers?q=long-horizon%20execution) 和推理能力。我们开发了低成本数据采集系统，跨任务收集了 1.1K 条轨迹，并支持域随机化 (https://huggingface.co/papers?q=domain%20randomization) 以评估鲁棒性。我们在多种设置下对现代模型进行了基准测试，包括视觉与动力学随机化 (https://huggingface.co/papers?q=dynamics%20randomization)、多任务训练 (https://huggingface.co/papers?q=multi-task%20training) 和动作头适配 (https://huggingface.co/papers?q=action-head%20adaptation)。通过广泛的经验分析，我们识别了当前灵巧操作策略中的若干重要洞见和常见局限，为今后灵巧手机器人学习研究指明了关键挑战。项目页面：https://dexjoco.github.io

查看 arXiv 页面 (https://arxiv.org/abs/2605.16257) | 查看 PDF (https://arxiv.org/pdf/2605.16257) | 项目页面 (https://dexjoco.github.io/) | GitHub7 (https://github.com/brave-eai/dexjoco) | 加入收藏 (https://huggingface.co/login?next=%2Fpapers%2F2605.16257)

在您的 agent 中获取此论文：

hf papers read 2605\.16257

没有最新 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型0

暂无模型关联此论文

在模型 README.md 中引用 arxiv.org/abs/2605.16257 即可关联到此页面。

引用此论文的数据集0

暂无数据集关联此论文

在数据集 README.md 中引用 arxiv.org/abs/2605.16257 即可关联到此页面。

引用此论文的 Spaces0

暂无 Space 关联此论文

在 Space README.md 中引用 arxiv.org/abs/2605.16257 即可关联到此页面。

包含此论文的收藏集0

暂无收藏集包含此论文

将这篇论文添加到一个收藏集 (https://huggingface.co/new-collection) 中即可关联到此页面。