来源：具身纪元（Marilyn Liu（对谈一作 陈泽源、李浦豪）） · 2026-09-19 · 原文链接
分类：主线强相关（到目前为止与触觉最直接的一篇：它明说"姿态相同不代表效果相同"，且整篇在解决"手如何发力"；但控制器本身不观测任何触觉信号——这既是挑战也是我一直在找的可检验假说）
一句话概括
具身纪元对谈 TeleDexter 两位一作（陈泽源、李浦豪）。核心是把灵巧手遥操作从"运动映射问题"重构成"目标驱动的动态接触控制问题"：操作者只给目标指尖位置 + 物体的目标位姿，底层 RL 控制器自己决定怎么发力、哪根手指先松开、其他手指如何接替支撑。不再逐帧模仿人手，而是连续子目标跟踪——中间过程由机器人自己探索；单阶段 RL + 随机动作掩码（Random Action Masking） + 域随机化实现零样本 sim2real。在 22 自由度 SharpaWave 上七项任务平均成功率 75.2%，而所有基线（DexRT 5.7% / GeoRT 0% / DexGen 0%）近乎全败。⭐⭐ 对我而言这篇的分量在于两句话：泽源那句「Same pose doesn’t imply the same effect（姿态相同，不代表产生的效果相同）」，是我在别处反复论证的"视觉能恢复身体怎么动，恢复不出接触处发生了什么"的灵巧手版本；而更关键的是——论文明确指出这个控制器「不观测任何触觉信号」，且失败集中在后期、接触密集的阶段**。也就是说：它拿下的 75% 是无触觉拿下的，剩下的 25% 恰好是触觉应该能补的地方。这是一个可以直接上手验证的假说。
核心要点
金句
「Same pose doesn’t imply the same effect.」 姿态相同，不代表产生的效果相同。
「任务的步骤多，不等于手的动作足够灵巧。」
「瓶颈不在上层模型能不能理解任务，而在于底层执行能力不足，难以采到可用于训练的机器人操作数据。」
「这类方法主要对齐的是姿态，而非操作产生的效果，运动学重定向没有显式处理手—物接触力和物体惯性。」
「如果设备主要依靠编码器记录关节角度，采到的就是手指最终停在哪里，而不是控制器当时下达了什么目标。目标位置与实际位置之间的偏差才产生了持续的驱动力。」
「即使两次抓握呈现出相同的关节姿态，背后的控制目标和发力情况也可能不同。」
「人类轨迹不再是机器人必须逐帧模仿的动作，而是告诉它手指和物体应该到达什么状态。至于怎样到达这些状态，由机器人自己探索。」
「它可以先稳定抓握，再改变接触点，最后完成旋转，而不必复制人手的每一个中间姿态。」
「人形机器人的 tracker 的突破，是人形机器人技术的转折点，那么灵巧操作或许也能分享同样的突破路径。」
「从看见人的灵巧，到形成自己的灵巧，TeleDexter 为中间这一步提供了一个具体答案。」
质疑与核查
⚠️⚠️ 最需要读者知道的一条：这个控制器「不观测任何触觉信号」。 论文在局限里明确列出。它之所以能解决"手物交互中的发力问题"，靠的是物体位姿误差这个代理信号 + 仿真里学到的接触先验，不是靠测量接触力。所以不能把它读成"不需要触觉"——恰恰相反，它证明了在无触觉条件下能做到的上限大约就在这里，剩下的缺口正是触觉的位置。
⚠️ “人类水平"是标题里的 Towards，不是已达成的状态。 论文自己的局限：per-object 控制器（一个物体训一个）、依赖实时物体跟踪（NOKOV 动捕）、不观测触觉、只测七项固定任务、每项 15 次。中文播客稿的语气比论文更乐观。
75.2% 是"平均成功率”，不是"都能做到"。且每项只有 15 次试验——15 次里成功 11 次和 12 次，成功率就差 6.7 个百分点。样本量太小，任务层面的数字置信区间很宽。 论文另给了任务进度（task progress）87.1% 作为补充。
⚠️ 基线对比的公平性要打折：DexGen 是论文作者自己复现的，且中文稿明确说"关键中间环节在复现时做过替换"。GeoRT 与 DexGen 均为 0% 这个结果，在"复现是否忠实"这一点上是有争议的。引用"基线全败"时必须带限定。
⚠️ 播客稿与论文的数字要分清来源：中文稿给的成功率（75.2% / 5.7% / 0%）、消融（螺丝刀 73.3%→0%、长方体 80%→26.7%）、训练规模（4×5090 / 62,400 环境 / 100 亿步 / 一天）、BC 结果（46.7 / 73.3 / 40.0）我核对下来与论文摘要及公开笔记一致；但播客是口述，个别表述可能与论文措辞有偏差（例如"锤钉"对应 HammerUse、“向前清扫"对应 BrushSweep 的某一阶段）。引用具体数字前建议回论文表 1 / 表 5 确认。
消融只给了两项（论文里还有锤子 66.7%→33.3%），且消融是在实机上做的、样本量同样很小。73.3% → 0% 这个极端落差很吸引人，但它也可能是小样本下的不稳定。趋势可信，具体数值别当成精确测量。
“零样本迁移"的范围要说清：是控制器零样本迁移，不是策略通用——每个物体、每只手都要重新训一个控制器（约一天）。“跨本体泛化"指的是同一组人类参考数据可复用，不是同一个控制器能直接用。
BC 那一项的对照是缺失的：46.7% / 73.3% / 40.0% 这三个数没有"用别的方法采集的数据训出来的 BC"做对照，论文说的是"现有方法根本采不到可比数据”。所以这只能说明"能训出来”，不能说明"比别的数据好”。
⭐ 与触觉的关系要克制，别过度乐观：我提出的"剩下的 25% 是触觉的机会"是一个假说，不是结论。存在几种失败的可能原因与触觉无关（例如动捕精度、物体跟踪延迟、任务定义过难）。在动手做之前，需要先把 TeleDexter 的失败案例逐条看过，确认有多少真的属于"接触状态不可观测"导致的。 这一步不能跳。
⚠️ 有一处我未能核实：中文稿提到这是"两位一作"的对谈，论文作者列表首位是 Puhao Li、次位 Zeyuan Chen（陈泽源、李浦豪），“共同一作"的标注我没在摘要页看到，引用时说"作者之一"更稳。
录制动因值得留意：播客说录于约一个月前，因软件问题素材残破、花了很久才修好，发布选在 GPT-6 发布节点之后。“TeleDexter 在 GPT-6 时代有了新意义"这个 framing 是发布时的追加叙事，不是研究本身的动机。
本文为阅读剪藏（摘要 + 摘录 + 评论），非原文转载。查看原文