DSP灵巧操作框架

【背景】多指机械手的灵巧操作长期受限于数据采集成本高昂与仿真到现实迁移困难。2026年10月，亚马逊前沿AI与机器人部门（FAR）联合马里兰大学等机构提出DSP（Dexterity from Supervised Play）框架，试图通过“监督式玩耍”解决这一痛点。

该框架的核心逻辑是将“如何交互”与“完成什么目标”解耦：机器人首先通过行为克隆学习人类几分钟的无目标玩耍策略，随后自主部署该策略收集数小时交互数据以训练世界模型。在推理阶段，同一玩耍策略为模型预测控制（MPC）提供候选动作序列，由世界模型评估并选择最优路径。此外，作者还提出在世界模型内通过自博弈蒸馏闭环策略以加速推理。

真机实验显示，DSP在欠驱动推动及任意姿态重定向任务中，成功率比事后行为克隆（Hindsight BC）高出69.6%，且仅需强化学习1/490的交互数据即可达到相当的成功率。这一结果挑战了传统依赖大量任务示范或Sim-to-Real迁移的路径，证明无需特定任务演示也能实现高效灵巧操作。目前争议点在于该方法对复杂场景的泛化能力及代码开源情况，需关注后续是否发布聚合成功率数据及复现验证。