本报告探讨了如何高效地将人类双手操作技能迁移到机器人灵巧手上，以实现接近人类水平的复杂操作能力。研究重点介绍了北京通用人工智能研究院提出的ManipTrans方法，该方法通过跨本体的两阶段方式，在仿真环境中将人类操作技能迁移至不同型号的灵巧手。ManipTrans结合了预训练的通用轨迹模仿器和残差学习模块，并在大规模灵巧手操作数据集DexManipNet上进行了验证，涵盖了盖笔帽、拧瓶盖等新任务，同时在真机平台上进行了实验。该研究旨在推动通用人工智能的发展。

🦾 研究目标：赋予机器人接近人类水平的复杂双手操作能力，是迈向通用人工智能的重要一步，具有重要的研究和应用价值。

💡 挑战：数据驱动的具身智能算法需要精确、大规模且精巧的灵巧手动作序列，传统方法难以高效获取此类数据。

🤖 解决方案：提出ManipTrans，一种跨本体的两阶段方法，用于在仿真环境中高效地将人类双手操作技能迁移至不同型号的灵巧手上。

⚙️ ManipTrans 流程：首先利用预训练的通用轨迹模仿器对手部动作进行初步模仿，然后针对不同技能引入残差学习模块对灵巧手动作进行精调。

📊 数据集：发布大规模灵巧手操作数据集DexManipNet，涵盖了盖笔帽、拧瓶盖等以往未曾探索的任务，为后续研究打下基础。

✅ 验证：在真机平台上进行了验证，证明了ManipTrans方法的可行性和有效性。