标签
Proception 发布了其首批产品：ProHand 1.0，一款具有 22 个自由度且配备板载实时控制的腱驱动机器人手；以及 ProGlove 1.0，一款用于低延迟传感的薄型纺织手套。
Proception是一家由前特斯拉工程师创立的初创公司，现已与特斯拉就商业秘密诉讼达成和解，并宣布完成1100万美元的种子轮融资，同时开始交付首批高灵巧度机器人手。
Play2Perfect是一个强化学习框架，通过与多样化物体的游戏式交互学习通用操作技能，然后微调以执行精确组装任务，在紧密插入中实现了33倍的样本效率和零样本模拟到现实的迁移。
ENPIRE是一个框架，通过环境反馈、策略优化和进化代码优化的闭环系统，使机器人能够在现实世界中自主实现策略自我改进，在灵巧操作任务上达到99%的成功率。
NVIDIA GEAR lab introduces ENPIRE, a framework for autonomous real-world robot policy self-improvement that achieves 99% success on dexterous manipulation tasks like GPU insertion and zip-tying, with multi-robot parallel learning and open-source release.
本文介绍了DragMesh-2和PICA方法，用于通过模拟中的接触感知强化学习来学习与铰接物体的物理合理灵巧手-物体交互，在没有明确触觉反馈的情况下实现有效操作。
Wuji Hand 2 机器人手在ICRA 2026上最新发布并展示，展示了灵巧机器人操作硬件方面的进展。
Wuji MJLab 是一个用于灵巧手操作的开源 MuJoCo 环境，包含立方体重新定向任务、sim2real 流水线以及在 Wuji Hand 上的部署。它基于 mjlab，并包括预训练的 PPO 策略。
DexHoldem是一个真实世界基准，用于评估具身智能体在灵巧操作任务中的表现，通过使用ShadowHand玩德州扑克来测试在闭环环境中的基元执行、感知和决策能力。
DexJoCo 提出了一个面向任务的灵巧操作在 MuJoCo 中的基准测试与工具包，包含11个功能性任务、一个低成本数据采集系统，以及全面评估，揭示了当前灵巧操作策略的局限性。
本文介绍了域随机化实例集（DRIS），一种同时表示多个随机化实例的方法，以改善灵巧操作的仿真到现实迁移。该方法在具有平板末端执行器且要求无真实世界微调的反应性抓取任务上展示了零样本迁移。
RLDX-1 是一种用于灵巧操作的多功能机器人策略，采用多流动作 Transformer（Multi-Stream Action Transformer）架构来整合异构模态，在现实世界任务中超越了现有的 VLA 模型。
DeVI 提出一种框架，借助混合 3D-2D 跟踪奖励，将文本驱动的合成视频转化为具备物理可信度的灵巧机器人控制，实现对未见物体的零样本泛化。