HUGS: Guiding Unified Dexterous Grasp Synthesis Across Modes and Scales via Learned Human Priors

📄 arXiv: 2607.04554v1 📥 PDF

作者: Mingrui Yu, Yongpeng Jiang, Yongyi Jia, Kangchen Lv, Li Huang, Yi Ren, Xiang Li

分类: cs.RO

发布日期: 2026-07-06

备注: The first two authors contributed equally. Project website: https://hugs-dex.github.io/

💡 一句话要点

提出HUGS框架以解决多模式多尺度灵巧抓取问题

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 灵巧抓取 人类先验 多模式合成 机器人技术 力闭合优化 自动化 人机协作

📋 核心要点

  1. 现有灵巧抓取合成方法在成功率和多样性之间难以取得平衡，依赖于手动设计的接触模式和初始化启发式。
  2. HUGS框架通过学习物体条件的人类抓取先验，指导力闭合优化，从而实现多模式多尺度的灵巧抓取合成。
  3. HUGS合成了320万次抓取，显著提升了接触模式的覆盖率和合成成功率，展示了其在实际应用中的潜力。

📝 摘要（中文）

灵巧抓取在不同物体尺度下需要多种接触模式，从两指夹持到双手抓取。现有方法通过手动设计的期望接触和初始化启发式来减少高维优化空间，但难以平衡成功率和多样性。本文提出HUGS（人类先验引导的统一灵巧抓取合成），通过学习物体条件的人类先验，捕捉人类抓取偏好，指导下游的力闭合优化。HUGS在自收集的包含1800个抓取样本的数据库上进行训练，涵盖304种物体，提供广泛的物体尺度和接触模式。在合成过程中，HUGS自适应地提出接触模式和手腕初始化，显著提高了接触模式覆盖率和合成成功率。最终，HUGS合成了320万次机器人抓取，涵盖157,000个场景，物体半对角线长度从2厘米到30厘米，接触模式从两指到双手抓取。

🔬 方法详解

问题定义：本文旨在解决灵巧抓取合成中的高维优化问题，现有方法依赖手动设计的接触模式和初始化启发式，难以平衡成功率和多样性。

核心思路：HUGS框架通过学习物体条件的人类抓取先验，捕捉人类的抓取偏好，进而指导力闭合优化，避免直接重定向人类示范。

技术框架：HUGS的整体架构包括数据收集、先验学习和抓取合成三个主要模块。首先，收集包含多种物体的抓取数据；其次，训练人类抓取先验；最后，基于先验进行抓取合成。

关键创新：HUGS的主要创新在于引入了人类先验引导的优化过程，能够自适应地提出接触模式和手腕初始化，显著提升了抓取合成的成功率和多样性。

关键设计：在训练过程中，使用了自收集的包含1800个抓取样本的数据库，设计了适应性接触模式选择机制，并优化了损失函数以提高抓取的力闭合性。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

HUGS合成了320万次抓取，涵盖157,000个场景，物体半对角线长度从2厘米到30厘米，成功率显著高于基于启发式的方法，展示了其在多模式抓取中的优越性。

🎯 应用场景

HUGS框架在机器人抓取、自动化装配和人机协作等领域具有广泛的应用潜力。通过提高抓取的成功率和多样性，HUGS能够有效支持从小型物体到大型物体的抓取任务，推动智能机器人在复杂环境中的应用。

📄 摘要（原文）

Dexterous grasping across diverse object scales requires contact modes ranging from two-finger pinches to bimanual grasps. Existing dexterous grasp synthesis methods reduce the high-dimensional optimization space with manually designed expected contacts and initialization heuristics, which struggle to balance synthesis success rate and diversity. We present HUGS (Human-prior-guided Unified Dexterous Grasp Synthesis), a human-prior-guided framework for unified dexterous grasp synthesis across modes and scales. Instead of directly retargeting human demonstrations, HUGS learns an object-conditioned human prior that captures human grasp preferences and guides downstream force-closure-aware optimization. The prior is trained on a compact self-collected human grasp dataset with 1.8K grasps over 304 objects, providing broad coverage of object scales and contact modes. During synthesis, HUGS adaptively proposes contact modes and wrist initializations, substantially improving the balance between contact-mode coverage and synthesis success rate over heuristic-based methods. With HUGS, we synthesize 3.2M robotic grasps over 157K scenes, spanning object half-diagonal lengths from 2 cm to 30 cm and modes from two-finger to bimanual grasps. Models trained on the synthesized dataset autonomously select appropriate contact modes in the real world, enabling grasping from screws to large boxes.