一句话看懂：研究者把大规模灵巧抓取数据转成35.5万条抓取-移动轨迹，用于预训练灵巧手底层控制器，再在下游任务演示上微调。仿真与真实实验中，该方法在铰接工具使用任务上优于从零训练的分层策略和端到端扩散策略基线。
事件核心：发生了什么
论文研究的问题不是“抓得住”，而是“抓得住之后能操作”。作者基于Dexonomy的抓取标注，把每个抓取样本扩展为“接近-抓取-挤压-持物移动”的轨迹，并在仿真中筛选出最终帧确实完成抓取的样本，最终得到355,677条轨迹，用于预训练底层目标条件控制器。上层策略则从点云预测16个三维手部关键点，作为手形子目标，驱动底层扩散策略输出动作块。
为评估这一设定，作者提出DexCraft仿真基准，包含6个需要手指协同的铰接工具使用任务。在每条任务50个演示、每设置500个评估回合的条件下，带抓取预训练的完整方法六任务平均成功率为60.3%，同结构从零训练的分层策略为48.9%。真实世界三个工具任务中，完整任务成功率相比DP3基线平均提升33.3个百分点。需要说明，这些结论来自摘要与项目页公开信息，尚未覆盖独立复现。
为什么重要
灵巧抓取数据集过去主要用于抓取生成和抓放操作。这项工作的价值在于把抓取标注当成“接触先验”和“手部运动先验”，迁移到接触密集的工具使用场景。对机器人学习来说，这提供了一条可扩展的预训练路径：先学手怎么贴近和握住物体，再学任务要达成什么。它也有助于区分“抓取能力”和“功能操作能力”这两个常被混为一谈的目标。
对用户/开发者/创作者的影响
对做机器人策略的开发者，关键启发是分层设计：高层预测手部子目标，底层负责接触控制，预训练数据不必与下游任务同分布。对具身智能创业团队，这意味着抓取数据集的价值可能被重新评估，数据资产不只服务抓放，也可能服务工具操作。对普通用户，短期内不会有直接产品变化；论文展示的是研究流程，不是已上线功能或通用能力承诺。
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。
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
第一，真实世界仅三个任务、试次规模有限，33.3个百分点的平均提升能否在更多工具和更长任务链上保持，尚待验证。第二，预训练数据规模继续扩大时收益是否持续，还是很快饱和。第三，这类分层策略能否与现有VLA模型或开源机器人栈结合，决定其对开发者生态的实际影响。
来源：alphaXiv
