外观
新闻X今天
OM-1人形机器人实现行走抓握稳定与手套数据直学
本文由 AI 根据公开内容整理，可能有误，请以原文为准：imo, the the impressive part here is grip stability during locomotion, since every step down jolts the load in the hands.（X：Rohan Paul (@rohanpaul_ai)（via AIHOT））
核心内容
Reward AI发布的OM-1人形机器人在楼梯动态行走测试中，成功保持手持负载的抓握稳定性，有效抑制了步态落地冲击对末端执行器的扰动。该进展表明其运动控制与抓取策略具备较强的抗干扰耦合能力，楼梯场景正成为评估人形机器人综合机动性与操作鲁棒性的关键基准测试平台。
OM-1采用基于人类穿戴式传感手套的数据采集范式，同步记录手部姿态、触觉反馈与第一视角图像用于策略学习。该系统完全摒弃传统遥操作或机器人本体示教环节，实现了从人类自然操作数据到机器人技能的直接迁移，为具身智能提供了低成本、高通量的非本体数据获取与模仿学习技术路径。
关键看点
- 动态抓握稳定：OM-1在楼梯行走中克服步态落地震动干扰，保持手持负载抓握稳定，验证移动操作抗扰性能
- 多模态手套采集：利用传感手套同步记录手部姿态、触觉信号与图像数据，构建多维人类操作数据集
- 无遥操作训练：策略学习直接使用人类穿戴设备数据，无需机器人本体示教或遥操作，降低数据采集门槛
- 楼梯测试基准：将楼梯场景确立为人形机器人核心测试平台，综合评估动态 locomotion 与 manipulation 耦合能力
工程与产业观察
OM-1验证了穿戴式传感手套作为具身数据源的可行性，摆脱了对昂贵遥操作设备的依赖。这种“人类采集-机器人执行”范式显著降低了移动操作技能的数据获取成本，为解决人形机器人复杂场景下的Sim-to-Real鸿沟提供了高效的数据工程参考，加速了非结构化环境作业能力的迭代。
线索来源：AIHOT
来源
本页事实对应的公开页面，以原文为准。