Newest papers

Learning Adaptable Dexterous Skills via Hybrid Dexterous Mimicking

Yuxuan Kuang, Jiashun Wang, Yixuan Sun, Yufei Ye, Sungjae Park, Umar Iqbal, Katerina Fragkiadaki, Shubham Tulsiani · 2026 · arXiv

DOI: 10.48550/arXiv.2610.28628 · open-access PDF

Portuguese

As mãos de múltiplos dedos têm a promessa de desbloquear várias habilidades, como agarramentos funcionais, reorientação na mão e transferência dinâmica que o mundo projetado pelo homem assume, mas as receitas de aprendizagem existentes forçam um compromisso. Aprendizagem de reforço alcançando objetivos se generaliza para objetos arbitrários, mas, sem qualquer antecedente humano, converge para estratégias de dedos não naturais e não confiáveis; o rastreamento de movimento reproduz o comportamento humano a partir de um único clipe, mas não pode se desviar dele.

Machine translation (Meta M2M100); the English original follows.

Abstract

Dexterous multi-finger hands hold promise to unlock diverse skills like functional grasps, in-hand reorientation, and dynamic handover that the human-designed world assumes, yet existing learning recipes force a trade-off. Goal-reaching reinforcement learning generalizes to arbitrary object poses but, lacking any human prior, converges to unnatural and unreliable finger strategies; motion tracking reproduces human-like behavior from a single clip but cannot deviate from it. We present AdaDex, a goal-conditioned RL framework that turns a single hand-object trajectory of a few seconds---from moc

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange