Ropedia 提出 DONIC：通用雙手追蹤控制

研究在做什麼

現有靈巧追蹤模型多專注於單手操作及有限互動範圍，忽略了現實生活中常見的雙手靈巧行為。由於缺乏富含接觸資訊的雙手操作資料，且協調接觸的複雜度較高，開發通用的雙手追蹤器具有挑戰性。本研究由 Ropedia 提出 DONIC，這是首個跨操作類別與人類動作來源聯合訓練的通用雙手追蹤器，並發布了 BiHOI 多視角資料集。 Hugging Face 每日精選論文

方法

DONIC 結合近端策略優化（Proximal Policy Optimization, PPO）與行為克隆（Behavioral Cloning），形成一個回饋循環，將驗證成功的執行結果重新作為訓練示範。系統採用以物體為中心的單手獎勵機制，在維持物體運動回饋的同時，根據每隻手的參考接觸角色進行監督。此外，引入 Clip-Centered Advantages 移除依賴參考的優勢偏移，同時保留軌跡內的差異，使單一策略能學習跨異質參考的協調操作。BiHOI 資料集包含 1,575 個序列，涵蓋 229 個物體，強調持續的雙手互動，並將重建的互動重新定位為機器人參考。 Hugging Face 每日精選論文

結果

在未進行微調的情況下，單一檢查點在訓練物體的未見軌跡上達到 86.79% 的成功率，在保留物體（held-out objects）上達到 57.32% 的成功率。這些結果分別比現有的雙手追蹤基準高出 77.36 個百分點和 45.73 個百分點。 Hugging Face 每日精選論文

程式碼與資料

本站 2026-10-24 整理（資料來自 Hugging Face 論文頁與 GitHub，由程式查詢，不經模型撰寫）：

• 研究機構（Hugging Face 標示）：Ropedia
• 程式碼：Ropedia/DONIC｜35 顆星｜最後更新 2026-10-22｜授權 未標示
• 專案網頁：https://ropedia.github.io/DONIC/
• 模型與資料集：Hugging Face 上沒有連結到這篇論文的公開模型或資料集