人搬一个大箱子，不会只用手掌。他会先用胸口把箱子顶住，找一下重心，再让箱角贴着前臂滑过去，最后用另一只手补位——整个上半身都在参与，手只是其中一个接触点。而今天的人形机器人做同一件事，基本还是「用手抓住、搬过去、放下」这一套（图 1）。

这个差距不是硬件差距。Unitree G1 有两条七自由度的臂、一个大面积的躯干，物理上完全可以像人那样把物体抵在身上。真正缺的是把「身体」当成可用操作面来建模和训练的方法：如果训练目标只说「用夹爪抓住物体」，那躯干和前臂就永远只是被闲置的连杆。

arXiv 2610.22184《Whole-Body Dexterity》做的正是这件事。作者来自 Amazon、UC San Diego 与 University of Michigan，他们提出 **WBD（Whole-Body Dexterity）**框架：先把躯干按区域拆开，用能量优化批量生成「哪里都能抓」的全身抓取；再让强化学习专家学会在身体任意两个抓取之间来回搬家；最后蒸馏成一个只用本体感知和物体几何的控制器，零样本搬到真机 G1 上。真机端的结果是 50 次试验完成 45 次（90%），而直接重定向只有 9/50（18%），通用全身控制器 SONIC 只有 2/50（4%）。

图 1｜人形机器人把操作面从手扩展到整个身体：用胸口顶住、前臂承托箱角，完成抬起、夹在腋下、行走搬运与放下

只用末端，到底限制了什么

先把问题说清楚。人形机器人目前的操作研究，接触面几乎只出现在两处：末端执行器，或者躯干正前方的一小块区域。这个限制会同时压住三件事。

第一是力矩。手抓一个 30 厘米的箱子，重力的力臂等于掌心到质心的距离，腕关节要一直扛着这个扭矩。把箱子抵在胸口，力臂被摊到整个接触面上，关节力矩被分散到躯干——这也是人搬重物时的本能动作。第二是可操作空间。只用手，物体的可达位置就是以肩为球心的一层壳；允许用腋下、肩部、后背，物体可以出现在躯干的六个方向上。第三是稳定性。抓取一旦滑脱就失败，而身体顶住时，短暂失去手臂接触往往还能靠摩擦撑住。

论文里有一句话我觉得概括得很准：现有的全身操作工作，要么把「全身」理解为「多条臂协同控制手」，要么是持续把重物抱在胸前，没有把接触当作一种可以用任意连杆建立和释放的通用能力。

把「全身操作」做出来并不是新目标，但已有工作的边界相当清楚。一类做法是用双臂和躯干抱住超过手部尺寸与负载的笨重物体，把接触分散到身体上；也有工作在上半身装上触觉，让真机把箱子抵在臂与胸前。离本文最近的一条，是在大型软体躯干上做强化学习，能抬起不同尺寸和质量的方块，并做前胸区域的恢复性重抓取——但它不站立、不行走，也不把物体移动到身体的其他区域。

经典模型派的做法把问题写成「在整个身体表面上的接触优化」，或者把持物操作规划成物体运动与接触状态的转移图，但通常带平面、准静态或箱体形状的假设。近期也有学习派把全身接触暴露成一个显式、可命令的接口，或者从动捕演示里模仿全身人—物交互。

遥操作是另一条直通全身操作的路。实时人—人形重定向与影子跟随已经相当成熟，跟踪控制器也能跟全身目标。但论文指出了一个很实际的瓶颈：没有力或触觉反馈时，操作员很难判断物体是被压住了还是在打滑，这基本把遥操作限制在了「只用手做取放」的行为范围里。

本文的位置因此可以这样概括：它不引入新的硬件接口，也不假设物体是箱体或接触是准静态的，而是把灵巧手领域已经被验证过的「重抓取」原则抬升到整个人形——接触可以用任意连杆建立和释放，物体可以在身体各区域之间被传递。这是我认为它跟前面这些工作最本质的区分。

图 2｜WBD 流水线四步：生成体素化全身抓取数据集，预训练球体专家，热启动其他物体专家，蒸馏成通用灵巧控制器

把身体写成操作面：模式约束的重抓取

WBD 的核心概念借自灵巧手。手内操作可以看成「重抓取」（re-grasping）：物体在一串抓取之间被传递，靠反复断开和重建手指接触完成转向，也就是 finger gaiting。手有很多根手指，可以一边换支撑一边保持物体；人形机器人只有两条臂，挪开一条臂时，另一条必须把物体抵在躯干上——这正是难点所在。

所以作者提出了 mode-constrained re-grasping：给每个抓取打上「模式」标签，模式集合是 {L, B, R}，分别代表左臂、双臂、右臂抓取。转移的合法性由模式决定：L 和 R 各自可以连到自己、也可以连到 B，但 L 和 R 之间永不直接相连。任何一次左右手交接，都必须经过一次双臂抱持。这条约束非常工程化——它把「先抱稳、再换手」写成了一条图上的连通规则，而不是留给策略去碰运气。

下游的仿真也印证了这个设计的必要性：论文观察到的失败模式高度一致，都是交接中途失去支撑接触、随后掉件。臂到臂的切换确实是瓶颈（图 2）。

图 3｜全身抓取生成：按指定的臂、腿、躯干接触连杆做能量优化得到候选，再在仿真中做扰动校验；腿部抓取被排除

第一步：251 万条全身抓取是怎么筛出来的

训练要有数据。作者的抓取生成方法定义在「接触配置」上：给定机器人模型、物体网格和一组接触连杆，用基于能量的优化求解。这里有个我认为很关键的工程细节——大块连杆必须拆开。G1 的躯干从任何一侧都能接触，如果把它当成一个接触目标去优化，优化器会集中选择最容易接触到的方向，把「从背后顶住」「从侧面夹住」这些方向全部塌缩掉。作者因此把躯干细分成分区（图 3），每个分区独立生成抓取，让结果铺满整个身体。

优化目标是最小化可微的力闭合残差：单位法向接触力的净力和净力矩平方和，除以接触点数平方。接触点定义在物体网格的有符号距离场上，同时用碰撞球体约束连杆不穿透物体、不自碰、不越关节限位。批量设置在附录里写得很具体：一张 GPU 上并行 4096 个候选、4000 次迭代，AdamW，学习率 1e-3，权重衰减 1e-4，配余弦退火到 1e-4。接触点候选集共 626 个点、覆盖 34 个连杆，双臂配置下启用 347 个点、25 个连杆。

但静态优化只是代理目标，真正的筛选在仿真里做两轮。候选物体先被压入接触，然后在 4 倍重力下，沿六个轴向依次扫过持续 10 N 力与 0.5 N·m 力矩的扰动，接触不失才过关；幸存者再在标准重力、无扰动下复测，要求漂移小于 10 cm、转动小于 45°。最后还有安全过滤：物体网格离躯干表面超过 5 mm 的抓取被丢弃。经过这一整套流程，服务于 WBD-EX 训练的数据集里留下 251 万条仿真稳定抓取。论文报告按物体中心采样的平均覆盖率是 90.1%，合并统计为 98.4%。

第二步：WBD-EX——把身体当成一张可滑动的接触面

有了抓取语料，下一步是让专家学会在它们之间搬家。作者把每个抓取按「稳定后的物体中心」按 2 cm 体素离散化，同一体素内再按模式分组，每个被占据的（体素，模式）对就是目标图上的一个节点。一次转移是否合法，就查上一节的那条模式规则。

训练用的是目标条件 MDP 加 PPO。回合初始状态直接从数据集里采样：先均匀采一个模式，再采该模式下的一个体素，最后在体素内均匀采一条抓取。目标先抽一个远处的 far goal，再在当前节点附近按距离 d ~ U(0.02, d_max) 生成一个中间目标；走到之后再抽新的 far goal。另有 0.2 的概率命令是 hold，要求策略把物体保持在原位原模式。

我认为这里最有意思的一个取舍是：成功判据只看物体的位置、抓取模式和物体是否静止，完全不含目标的关节构型和物体朝向。作者明确写了这一点与 DexterityGen 的差别。这直接决定了策略可以「滑」和「滚」——物体怎么到那儿的不重要，重要的是它稳稳停在哪儿、用的是哪种模式。对全身操作来说，这正是需要的自由度：躯干表面不是夹爪，物体在上面滚动和滑动才是常态。

为了让策略不要退化成纯准静态，作者在接触要求上开了一个 0.48 秒（24 个控制步）的宽限窗口：允许短暂失去所需的臂接触，只要交接动作做得快。没有这个窗口，策略会被迫一直保持最保守的抱持姿态。

目标只给位置和模式：奖励与课程的设计

奖励是一个加权和，可以分成两组。目标组包含四项：进度项按到命令位置的距离缩减给分并且被 ±2 cm 裁剪（防止单步主导）；到达项要求物体在 2 cm 的目标区域内以正确模式静止；成功项是稀疏的重置完成奖励；保持质量项在 hold 目标上用 exp(−e/2.5 cm) 奖励「保持在原地」。其他的还包括手臂中立项、失败惩罚与五个正则项。

目标组和手臂中立项都乘了一个 保留因子 ρ，物体一掉或必需接触丢失，这些奖励立刻归零。这个写法很干净：它把「先拿稳」变成所有其他奖励的前置条件，而不是靠一个大的失败惩罚去吓阻。

两个课程都在改环境而不是改目标函数。一个是目标距离课程，把 d_max 从 2 cm 线性升到 8 cm，让策略同时见到近距的精细调整和远距的大幅搬运。另一个是两阶段训练：小球、形状规则的物体专家学得快，所以先训 200–220 mm 球体专家，再把完整的训练状态（actor、critic、优化器、观测归一化器、课程进度）热启动给其他物体。论文报告在匹配 50000 次迭代的预算下，六个对比物体全部获得更高的区域路线完成率，棱柱从 23.30% 提到 50.12%，而总迭代数从 300000 降到 240000，省下 20%。

网络接口这一层也值得记一笔。策略的 actor 在当前时刻收到 89 维观测，分成几组：14 维臂关节位置（减去默认构型）、14 维臂关节速度、14 维伺服误差、14 维上一步动作；命令组里有 hold 标志与最大目标距离共 3 维，目标相对物体的位置 3 维；物体组里有物体位置与 6 维旋转共 9 维、躯干系下的线速度与角速度共 6 维；接触组里有左臂、右臂、躯干的接触连杆占比 3 维，接触连杆与受监控连杆之比 1 维，保留标志 1 维，以及按 80 N 归一并封顶到 2 的净接触力大小 1 维；最后是源模式与目标模式的 one-hot 共 6 维。critic 在此基础上多拿 6 维特权信息——物体质量、质心偏移、按组统计的平均滑动摩擦，合计 95 维。

动作是 14 维的臂关节目标增量。原始动作先过 tanh 压缩，再按 每控制步 0.025 rad 缩放，累加到一个跨步保持的伺服设定值上；设定值被夹在实测位置的 ±0.35 rad 内并遵守关节限位，再在四个物理子步之间线性插值。这种「增量式伺服」的写法让策略的输出天然受限于执行器的跟随能力，也解释了为什么蒸馏出的控制器在真机上不需要额外的动作平滑。训练时 actor 观测还会被注入加性均匀噪声：关节位置 ±0.005 rad、目标偏移与物体位置 ±0.003 m、旋转项 ±0.01，critic 拿到的则是不加噪的同一批量。

图 4｜十五种物体的抓取可逃逸度分布：细长棱柱与圆柱接近平坦，球体随直径增大越来越集中在高分位

第三步：把专家蒸馏成一个能上真机的控制器

专家只在仿真里存在，而且每个物体一个。作者把 15 个物体专家的轨迹收集起来，过滤掉无效段，用跨身体镜像做平衡，然后蒸馏成一个共享控制器。数据集是 27.4 万条轨迹、8.73 亿帧。

有一个细节我读的时候多停了一下：抓取仿真校验只证明「这条抓取能稳住物体」，不证明专家能从这条抓取出发把物体搬走。作者定义了一个叫**可逃逸度（escapability）**的指标——从某条抓取出发，尝试单目标转移，能成功的比例。他们对全部 2,510,864 条抓取、每条采样 128 个目标做了评估，合计 3.2 亿次单目标转移试验。结果分布的形状强烈依赖几何：最细长的圆柱与棱柱分布接近平坦、平均可逃逸度约 40%，而球体的抓取随直径增大越来越集中在高分位，从 ∅120 的 28% 提升到 ∅220 的 62%。

基于这个分数，他们在每个 2 cm 体素内裁掉分数最低的一批抓取，采用的上限从 10% 到 60% 不等（图 4）。效果是每个物体的平均区域路线完成率提升 1.2 到 13.3 个百分点，同时保留全部体素–模式对；用于轨迹采集时，可用轨迹产出率从约 29.0% 升到 32.5%，每次尝试的可用帧数从约 938 升到 1053（+12%）。

控制器本身是「条件扩散模型 + 逆动力学网络」的结构，输入是本体感知历史加一个 五维几何描述子（按对数排序的包围盒边长、对数体积、球度），输出关键点位移，再由逆动力学转成关节目标增量。真机上这个描述子用实测尺寸算。推理时用梯度引导把生成拉向粗命令，引导权重可调：权重越大越跟命令，越小越依赖学到的运动先验。硬件上推理跑在操作台的 RTX 5090 上，限速 50 Hz。

图 5｜六个评估区域：前胸与后背要求双臂抓取，左右腋下与左右肩要求对应的单臂抓取

仿真对照：噪声命令下，它比干净专家还稳

第一组实验刻意复现真机的失败来源。作者取 15 个物体的 WBD-EX 专家作为教师，把它们的动作降级成粗命令流——给全部 14 个臂关节命令加上独立均匀噪声 U(−α, α)，α 取 2.5 和 4；然后对比「只用降级后的专家」和「WBD 精修降级命令」。评测在躯干的六个区域之间做连续转移：前胸、左右腋下、左右肩、后背（图 5）。每个条件每个物体 256 条匹配初始抓取，试验封顶 600 秒。

结果在论文的图 4 里：尽管命令带噪，WBD 基本恢复了干净专家的平均目标达成水平。在两个噪声水平、五个引导权重的平均上，平均失效时间相对噪声专家提升 70%（训练物体），在留出的 ∅180 球体与立方体上分别提升 158% 与 71%。更值得看的是低噪声、引导权重 1–20 的区间：WBD 的失效时间超过了干净专家 25–35%（训练物体），留出球体与立方体上分别是 109–120% 和 25–47%。也就是说，精修器不只是把噪声抹平，它在维持稳定抱持上比未被破坏的专家更耐久。

还有一个必须提的对照。作者另外做了时间平滑的基线：对降级命令做指数滑动平均，β 从 {0.05, 0.1, 0.25, 0.5} 里在验证集上选，最终选到 0.5。结果是 EMA 的每回合目标数与失效时间都不比噪声专家好（α=2.5 时 7.82 个目标、20.5 秒，噪声专家 8.47 个、29.1 秒），而 WBD 是 23.79 个目标、86.1 秒。这个对照我认为很有价值——它说明增益来自学到的运动先验，而不是「把命令变平滑」这种通用后处理。

图 6｜真机全身灵巧操作：下方是躯干区域搬运，上方是货架取箱、腋下收纳与行走搬运，右侧为操作员动作捕捉

真机 90% / 18% / 4%，差在哪

真机实验用完整 15 个物体轨迹训练出的控制器，做两个躯干区域搬运任务和一个长程货架任务（图 6）。搬运任务里，一个 3 号篮球或一个 15 cm 纸箱从前胸双臂抱持出发：肩部贴靠要求物体接触到肩部连杆，腋下收纳要求物体稳定夹在一侧腋下，而完整往返还要求回到稳定的双臂前胸抱持。对比对象是直接 GMR 重定向和 SONIC（跑公开 checkpoint，VR 三点模式）。所有试验由一位在这三个任务上训练了 8 小时以上的熟练操作员执行，用 Xsens 动捕服跟踪。

任务	控制器	区域到达	完整往返
肩部贴靠	SONIC	2/10	0/10
肩部贴靠	GMR	3/10	1/10
肩部贴靠	WBD	10/10	9/10
腋下收纳	SONIC	1/10	0/10
腋下收纳	GMR	4/10	2/10
腋下收纳	WBD	10/10	9/10

上表是篮球、每个控制器 10 次试验（每侧 5 次）的数字。纸箱一侧 WBD 更好：肩部贴靠与腋下收纳都是 10/10 完整往返。论文对纸箱更容易给了一个物理解释——纸箱摩擦系数更低，更容易滑到肩部；篮球摩擦更高，需要沿躯干滚动，对臂部操作要求更精细。这个解释与「WBD 和 GMR 的纸箱试验更快成功」是一致的（GMR 纸箱肩部贴靠平均 8.5 秒，篮球 30.1 秒）。

长程任务把技能串了起来：从货架取箱、收纳到一侧腋下、行走搬运、取出、放到桌上。取箱一步三种方法都是 10/10，但后续步骤拉开了差距。

控制器	收纳	携行	放下
SONIC	0/10	0/10	0/10
GMR	3/10	2/10	1/10
WBD	9/10	9/10	7/10

汇总三个任务、两个物体、完整往返与完整货架序列，WBD 完成 45/50（90%），GMR 9/50（18%），SONIC 2/50（4%）。论文也如实写了：尽管明显更好，WBD 仍有少数试验掉了件。长程任务里操作员会切换引导权重——躯干搬运用 10，取放用 100，在稳定支撑和跟随命令之间做取舍。

我认为最有价值的发现

如果只能带走一条，我会带走这个：把「成功」的定义从关节构型松绑到「物体的位置 + 接触模式」，全身灵巧操作才真正变得可学。传统抓取与放置要求末端位姿，人形操作里也常常把目标写成一整套参考动作。WBD 只要求三件事——物体在哪个体素、用哪个模式抱持、是否静止——然后让策略自由选择怎么到那儿。滑、滚、短暂脱手、经双臂交接换手，全都被合法化了。

第二条值得记的是它对「数据够不够好」的重新定义。抓取数据集的质量，通常用「能不能稳住」来衡量。这篇论文指出了一个更贴近下游的问题：能稳住的抓取，未必是专家能从中出发并完成转移的抓取。可逃逸度这个指标正是为这件事设计的，而且它有一个非常干净的性质——分数依赖于冻结的专家，所以可以在训练完之后再筛，不需要改训练目标。作者还验证了一个反直觉的选择：在训练中给低质量抓取降权不如训练后在采集初始状态时过滤，因为降权会破坏体素–模式对的覆盖。

第三条是那个 0.48 秒宽限窗口。全身重抓取的动态性来自物理本身——两条臂要交接，物体要在躯干表面滚动。如果判据只承认准静态的稳定抱持，策略会被推到一个保守但不适用的解。给一个明确的短时脱手许可，等于告诉策略「快速重配是被允许的」。这是我认为全文最有工程价值的一处设计。

适用边界与作者自己指出的开放问题

先说实验边界。所有真机试验由同一位操作员完成，作者明确写了这一点；控制器是交互式的，靠人的粗运动参考引导，不是自主规划。动捕用的是 Xsens 服，因为站在操作员侧面和背后时 VR 头显的跟踪覆盖有限；论文也说明控制器可以接受 VR 头显与 tracker 的命令，但跟踪覆盖受限会限制灵巧度。真机任务的样本量是每个控制器每个物体每个任务 10 次试验，论文没有报告统计显著性检验。

再说训练边界。WBD-EX 不训练下半身平衡与行走：躯干在仿真里被焊接固定，只有 14 个臂关节被驱动，这也是专家能大规模并行训练的前提。蒸馏出的控制器则部署在一台站立并行走的 G1 上，靠它的下层控制器提供支撑。腿部抓取在数据生成阶段被展示过，但被排除在训练之外，因为那需要把操作与平衡、行走联合起来学。

物体层面，论文的对象集是 15 种基元（6 球、4 立方体、3 长方体、2 圆柱），边长与直径在 80–240 mm 之间。专家的熟练度随几何变化很明显：球体专家最好，∅220 球体的 14 条路线平均完成率是 88.14%，而 80×160×220 的长方体只有 25.05%，200 mm 立方体和两个较大长方体的四目标环路完成率接近零。作者把这一点归因于物体相对 G1 肢体的尺寸，并明确把「让所有形状与尺寸的专家都持续变好」留给未来工作。

还可以延伸的方向，作者写得也很直接：把同一套形式化推广到腿部接触——生成臂与腿的抓取组合，把 WBD-EX 与全身控制器在扩展后的抓取数据集上联合训练，再蒸馏成策略，从而支持「把重箱子抵在膝盖上、同时腾出手来重新调整」这类行为。另一个方向是从真机采集数据，减少对仿真数据的依赖，论文未给出这部分的具体方案。

论文没有给出的量，我也如实记在这里：真机任务的单次试验时长分布、操作员之间的差异、以及掉件时的具体恢复策略，论文未给出；专家评估只报告了 14 条路线上的完成率与置信区间，没有报告训练曲线的方差分解。附录里说明专家评估每个检查点跑 2048 次试验、每条路线固定种子、每个试验 1500 步预算，退出条件为首次终止；这些设置让数字可比，但也意味着它衡量的是「给定预算下的稳态表现」，而不是收敛速度。

另外一处值得注意的自述是：所有专家都参与蒸馏，但熟练度差异很大，所以熟练度较低的专家更不容易产出合格演示，需要更多采集尝试才能攒够一条被质量过滤接受的轨迹。论文用可逃逸度筛选来提升单位尝试的可用数据量，并说明这个提升「一致但幅度有限」。这是一句很有分寸的自我描述。

我读完之后的几点提炼

**一、先把「接触面」的枚举做对，再谈策略。**把大块连杆拆成有名字的分区、每个分区独立生成抓取，这个动作看起来只是数据生成的一步，实际上决定了整个数据集的空间分布。如果躯干是一个整体目标，优化会塌缩到一两个方向，后面再好的策略也学不到「从背后顶住」。做全身操作时，我建议把这一步当成架构决策而不是预处理。

二、把交接的合法性写成图上的约束，而不是奖励里的软偏好。「L 和 R 只能通过 B 相连」是一条硬约束，保证任何左右手交接都要经过一次双臂抱持。相比在奖励里加一项「鼓励双臂抱持」，硬约束更可验证、也更难被策略绕过。凡是流程里有「必须经过某个中间状态」的环节，都值得先想想能不能写成合法性规则。

**三、目标定义要留出执行自由度，判据要留出动力学空间。**只给位置和模式、不约束关节构型，让滑与滚成为合法解；0.48 秒的接触宽限窗口，让快速重配成为合法解。这两处是同一件事的两面：不要让判据比物理更严格。

**四、数据质量指标要贴着下游任务来设计。**可逃逸度之所以有用，是因为它衡量的是「从这里出发能不能走掉」，而不是「这里稳不稳」。在训练之后做筛除，还避开了破坏覆盖的风险。如果手头有一个冻结的中间策略，用它给数据打分再重采样，往往比在训练里给数据加权更稳。

结语

这篇论文把「人手 + 末端执行器」这个默认前提拆掉了。它给出的不是某一个新策略，而是一条完整可跑的路径：把躯干分区、批量生成全身抓取、用模式约束的重抓取定义转移、再把专家蒸馏成一个只用本体感知与物体几何的控制器。真机上 90% 对 18% 与 4% 的差距说明，解放身体带来的不只是更好看的动作，而是任务本身变得可完成。