DexKnot：用于灵活袜子结扎的通用视觉-运动策略学习
机器人学
2026-03-10 v1
摘要
系绳塑料袋是日常生活中常见的任务，但由于袋子拥有无限的自由度和复杂的物理动力学，机器人往往难以完成。现有方法常在面对未见过的袋子实例或变形时难以实现泛化。为此，我们提出了 DexKnot 框架，将关键点可Affordance与扩散策略相结合，以学习通用的袋子结扎策略。该方法从通过实际人工变形收集的关键点对应数据中，对袋子进行形状不可辨的表示学习。对于未知的袋子配置，能够通过将表示与参考进行匹配来识别关键点。这些关键点随后被提供给扩散变换器，以基于少量的人类演示生成机器人动作。DexKnot 通过将观察空间的维度降低为稀疏的关键点集合，从而实现策略的有效泛化。实验表明，DexKnot 在多种先前未见的实例和变形上均能实现可靠且一致的结扎性能。
引用
@article{arxiv.2603.07136,
title = {DexKnot: Generalizable Visuomotor Policy Learning for Dexterous Bag-Knotting Manipulation},
author = {Jiayuan Zhang and Ruihai Wu and Haojun Chen and Yuran Wang and Yifan Zhong and Ceyao Zhang and Yaodong Yang and Yuanpei Chen},
journal= {arXiv preprint arXiv:2603.07136},
year = {2026}
}