ArtManip: Category-Level Articulated In-Hand Manipulation
作者: Yang Yang, Tengyu Liu, Puhao Li, Zeyuan Chen, Yuyang Li, Xingwan Wang, Yingying Wu, Zhaopeng Cui, Siyuan Huang
分类: cs.RO
发布日期: 2026-09-11
💡 一句话要点
提出ArtManip以解决类级别关节物体的手中操控问题
🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱二：RL算法与架构 (RL & Architecture) 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 关节物体操控 自动化生成 政策学习 零-shot迁移 机器人抓取
📋 核心要点
- 现有方法在处理关节物体的手中操控时，面临抓取稳定性与内部自由度控制之间的矛盾。
- 本文提出ArtManip，通过自动化生成多样化的关节物体和功能性抓取，解决了模型获取的劳动强度问题。
- 实验结果显示，ArtManip在四个物体类别上表现出色，能够在未见实例和多样配置中实现零-shot迁移。
📝 摘要（中文）
类级别的关节物体手中操控是一个复杂且未被充分探索的挑战。其难点在于控制物体内部自由度与保持抓取稳定性之间的紧密耦合，以及获取多样化物体模型和功能性抓取的高劳动强度。本文提出ArtManip，这是首个能够在物体实例和多样初始抓取之间进行泛化的类级别关节手中操控方法。我们开发了一种自动化流程，生成多样的关节物体并合成任务导向的功能性抓取。同时，提出了一种稳健的两阶段训练策略，结合关节物理随机化、奖励课程和潜在表示蒸馏，以应对复杂的接触和关节动态。大量实验表明，该策略在模拟环境中能够泛化到未见实例和不同配置，并实现对12种具有多样形状和关节机制的真实物体的零-shot迁移。
🔬 方法详解
问题定义：本文旨在解决类级别关节物体的手中操控问题，现有方法在抓取稳定性与内部自由度控制之间存在矛盾，且获取多样化物体模型的过程劳动强度高。
核心思路：ArtManip通过自动化生成多样化的关节物体和合成任务导向的功能性抓取，降低了模型获取的劳动强度，并通过两阶段训练策略提升了政策学习的鲁棒性。
技术框架：整体架构包括两个主要模块：第一，自动化生成多样化的关节物体及其功能性抓取；第二，采用两阶段训练策略，结合关节物理随机化、奖励课程和潜在表示蒸馏。
关键创新：ArtManip的核心创新在于其能够在类级别上泛化到不同物体实例和初始抓取，解决了现有方法在多样性和稳定性上的不足。
关键设计：在训练过程中，采用了关节物理随机化以增强模型的适应性，同时设计了奖励课程以引导学习过程，潜在表示蒸馏则用于提升模型的表达能力。具体的损失函数和网络结构细节在论文中进行了详细描述。
🖼️ 关键图片
📊 实验亮点
实验结果表明，ArtManip在四个物体类别上表现优异，能够在未见实例和不同配置中实现零-shot迁移，成功转移到12种真实物体上，展示了其强大的泛化能力和适应性。
🎯 应用场景
该研究的潜在应用领域包括机器人抓取、自动化装配和人机交互等场景。ArtManip的创新方法可以显著提升机器人在复杂环境中的操作能力，具有广泛的实际价值和未来影响。
📄 摘要（原文）
Category-level in-hand manipulation of articulated objects is a formidable yet underexplored challenge for dexterous robotic hands. This difficulty stems from two core bottlenecks: first, controlling an object's internal degrees of freedom is tightly coupled with maintaining grasp stability on a free-floating base; second, acquiring diverse object models and functional grasps at scale is highly labor-intensive, yet vital for generalization given the system's sensitivity to initial configurations. In this work, we present ArtManip, the first category-level articulated in-hand manipulation method that generalizes across object instances and diverse initial grasps. For initial configuration construction, we develop an automated pipeline that procedurally generates diverse articulated objects and synthesizes task-oriented functional grasps. For policy learning, we propose a robust two-stage training strategy that incorporates articulation physics randomization, reward curriculum, and latent representation distillation to handle complex contact and joint dynamics during deployment. Extensive experiments across four object categories demonstrate that our policy generalizes to unseen instances and varied configurations in simulation, and achieves zero-shot transfer to 12 real-world objects featuring diverse shapes and joint mechanics.