DexFLEX接触感知基础控制器论文发布

2026年10月15日，arXiv Artificial Intelligence 刊出 Weikang Wan 等作者的论文，提出 DexFLEX——一个接触感知基础控制器，可将上游指尖运动草稿转化为接触一致的关节指令，并通过 Draft-Dream-Select 流程在推理时预测接触后果、选择最优候选。论文称，该方法将真实世界遥操作成功率从 29.2% 提升至 78.3%，策略学习成功率达到 46.7%，为直接关节动作预测的 3.5 倍、仅先验校正的 1.56 倍。上述数字与效果均为论文作者在论文中的表述，其适用对象为 DexFLEX 控制器本身，尚待独立验证。截至本综述更新，该事件仅有这一篇主报道，暂无后续跟进报道。

AI 根据报道生成 · 58 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。