DexMimic：基于价值引导重置分配的通用灵巧手-物体跟踪策略

📋总体概括

斯坦福等机构研究团队提出DexMimic，一个跨多样人手-物体交互（HOI）轨迹联合训练的通用灵巧手操作跟踪策略。针对现有基于物理的方法只能为单条轨迹训练专用策略、技能难以规模化复用的问题，其核心创新是Value-Guided Reset Allocation（价值引导重置分配），在线调整初始化分布，优先分配训练资源到欠训练阶段，并选择预期跟踪回报更高的重置状态。该方法为从人类HOI数据大规模学习类人灵巧操作技能提供了通用策略范式，并配套发布了基准测试。