在灵巧手通用抓取的研究中，由于动作空间维度高、任务具有长程探索特征且涉及多样化物体，传统强化学习（RL）面临探索效率低、奖励函数及训练过程设计复杂等挑战。
基于此，北京大学及BeingBeyond团队提出DemoGrasp框架——
一种简单且高效的通用灵巧手抓取学习方法。
该方法以一次成功的抓取演示轨迹为起点，通过对轨迹中的机器人动作进行编辑，以适应不同物体与姿态：改变腕部位姿用于确定“抓取位置”，调整手指关节角度用于确定“抓取方式”。
这一核心创新——将连续决策的多步MDP（马尔可夫决策过程）重构为基于轨迹编辑的“单步MDP”——有效提升了强化学习在抓取任务上的学习效率和迁移到真机的性能。
核心设计：单条演示 + 单步 RL
从“多步探索”到“全局编辑”
传统RL的困境：高维动作空间的复杂探索
- 动作空间：每一步都需要输出高自由度机器人所有关节的指令。
- 奖励设计：需要设计极其复杂的密集奖励函数，引导机器人避开碰撞、接触物体、成功抓取、平滑运动等。
- 课程学习：需要设计复杂的多阶段学习流程，帮助RL探索
DemoGrasp 的核心创新在于用 “单条成功演示轨迹” 替代 “从零开始的探索”，将高维抓取任务转化为 “演示编辑任务”，再通过单步 RL 优化编辑参数，最终结合视觉模仿学习实现虚实迁移。
单条演示和轨迹编辑
一条抓取特定物体的成功轨迹包含了抓取任务通用的模式（如 “靠近物体→闭合手指→抬起手腕”），只需调整轨迹中的手腕和手指抓取方式，即可适配没见过的新物体。
DemoGrasp只需要对一个物体（比如一个方块）采集一条成功抓取演示轨迹，即可通过物体中心的轨迹编辑做出新物体、新位置的抓取行为：
- 手腕位姿编辑：在物体坐标系下，对原始轨迹中的每一个手腕位点施加一个统一的变换 T∈SE(3) ，通过灵活地调整手腕抓取方向和位置，适应不同大小、形状、合适抓取点的物体。
- 手指关节编辑：对手指的抓取关节角施加一个增量 Δq_G，通过与演示轨迹的等比例插值，产生一条灵巧手从初始张开姿态平滑到达新的抓取姿态的动作轨迹。
单步强化学习
在仿真环境中，DemoGrasp利用IsaacGym创建了数千个并行世界，每个世界里都有不同的物体和摆放场景。
学习过程：每一个仿真世界中，策略网络根据初始的观测（末端位姿和物体点云、位姿） 输出一组手腕和手指编辑参数，执行编辑后的轨迹，根据执行过程是否“抓取成功”和“发生碰撞”获得奖励。
通过海量试错和在线强化学习，策略学会根据不同形状物体的观测输出合适的编辑参数。
训练效率：在这个紧凑动作空间的单步MDP问题上，DemoGrasp使用单张RTX 4090显卡训练24小时即可收敛到>90%的成功率。
视觉蒸馏，虚实迁移
仿真中的强化学习策略依赖精确的物体点云和位姿，这在现实中难以获取。DemoGrasp通过视觉模仿学习，将策略蒸馏成与真机对齐的RGB策略，实现从仿真到真机的直接迁移。
- 数据收集：在仿真中运行强化学习策略，记录下上万条成功轨迹：包括渲染的相机RGB图像、每一时刻的机器人本体感知和关节角动作。
- 模型训练：采用流匹配（Flow-Matching）生成模型的方法，学习从图像观测和机器人本体感知预测动作。为缩小仿真到真机的视觉图像差异，训练还使用了预训练的ViT提取图像特征，并在仿真数据收集时充分地进行域随机化（随机化光照、背景、物体颜色纹理、相机参数等）。
- 多模态适配：DemoGrasp适配单目/双目、RGB/深度相机等多种相机观测。实验表明，双目RGB相机组合的效果最佳，能够更好地减少遮挡、利用纹理和轮廓等信息成功抓取小而薄的物体。
实验结果：仿真和真机双优，全面提升灵巧抓取的泛化性和扩展性
DexGraspNet是灵巧抓取领域的权威数据集（3.4K 物体）。
DemoGrasp在该数据集上使用Shadow Hand抓取，性能显著优于现有方法：视觉策略成功率达到92%，训练集到测试集的泛化差距仅1%，且适应大范围的物体初始位置随机化（50cm×50cm）、具备更强的空间泛化能力。
跨本体扩展：适配任意灵巧手和机械臂本体
DemoGrasp无需调整任何训练超参数，成功适配6种不同形态的机器人（五指、四指灵巧手，三指夹爪和平行夹爪），在175个物体上训练后，在多个未见过的物体数据集上达到84.6%的平均成功率。
高性能的虚实迁移
在真实机器人测试中，使用Franka机械臂和因时灵巧手，DemoGrasp成功抓取了110个未见过的物体。
在常规大小的物体分类上，DemoGrasp成功率均达到90%以上；
对于扁平物体（手机壳、剪刀等）和小物体（瓶盖、小黄鸭等）的困难抓取任务，策略能够准确地抓取物体、避免碰撞，成功率达到70%。
DemoGrasp框架支持对真实场景更加复杂的抓取任务的扩展能力，支持 在杂乱多物体摆放的场景下实现用语言指令引导抓取，且达到84%的真机单次抓取成功率。对于光照、背景和物体摆放的大幅变化，策略的成功率没有明显下降。
DemoGrasp是融合少量人类演示实现高效机器人强化学习的新起点，将在未来支持功能性抓取、工具使用、双手操作等更多灵巧手任务。
训练时策略的闭环能力是当前方法的一个局限，后续研究将通过更加细粒度的演示轨迹拆分，增加强化学习策略的实时调整、错误恢复能力。
此外，DemoGrasp可以结合多模态大模型，实现开放场景下的自主抓取智能体。
项目主页：https://beingbeyond.github.io/DemoGrasp/
论文：https://arxiv.org/abs/2509.22149
本文来自微信公众号“量子位”，作者：DemoGrasp团队，36氪经授权发布。
