CARD提出接触锚定重定向，灵巧操作接触保持率最高78%

事件核心：发生了什么

论文提出CARD（Contact-Anchored Retargeting for Dexterous Manipulation），一个无需物体模型和仿真器的重定向框架。它把视频、动捕和触觉手套三类数据统一为“手—接触”表示：每帧包含MANO手部网格、语义区域，以及每个区域最多一个接触目标（压力中心、按压方向、力大小）。视频数据由作者提出的Vid-HACO模型推断接触，作者称其刷新了该任务的最好水平。硬件回放阶段，CARD用触觉跟踪控制器调整手指闭合与力矩，以复现演示力。

为什么重要

传统遥操作和动捕外骨骼要求人“通过机器人身体”操作，限制了人类手部灵活性的发挥。现有重定向方法只迁移运动学，忽略接触动力学，机器人手可能贴近物体却没真正触到。CARD的实验结果显示，在视频、手套、动捕数据及GRAB数据集上，其接触帧保持率为43%—78%，而纯运动学和物体感知方法分别低于10%和22.5%；在GRAB上接入其公式后，严格任务成功率从12%升至32%。不过这些是论文报告的几何接触保真度与特定任务结果，不等于通用操作能力。

对用户/开发者/创作者的影响

目前公开信息显示，CARD更偏研究框架，尚未披露开源代码或商业API。对机器人开发者而言，其价值在于把“接触力”变成可标注、可追踪的中间表示，为模仿学习提供更稳定的数据接口；对内容创作者和动作捕捉用户，视频可被转化为接触信号，降低触觉数据采集门槛。但其视频接触与力的大小是模型合成而非实测，精度仍受限于推断质量。

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。

值得关注的后续

一是Vid-HACO与CARD代码是否开源、能否复现；二是接触保持率能否在真实多指硬件上稳定转化为任务成功率；三是合成接触力与触觉手套实测之间的差距是否会在更多物体类别上暴露。

来源：alphaXiv