DONIC：双手模仿，不能只看手指追得像不像
以物体运动、接触与片段内优势训练统一双手策略。
DONIC将多视角人类双手示范转成机器人参考轨迹，在仿真中训练统一双手跟踪策略。核心不是单纯扩大动作网络，而是让物体运动、每只手的接触贡献和同一片段内的策略改进共同决定学习信号。
图解主要方法
以物体运动、接触与片段内优势训练统一双手策略。
- 1
重建参考，再重定向到机器人
图2上排从32个RGB相机的BiHOI示范重建手与物体：分割、深度、位姿估计和MANO优化组成管线，再映射到两只Wuji手。1575条序列覆盖229物体、14.77小时；重建没有显式接触或碰撞损失，参考本身可能含误差。
- 2
让策略围绕物体结果学习
统一策略输出两只手共52维动作，以未来参考、物体状态与形状为条件。修正锚定下一参考而非不断累加。奖励始终包含物体跟踪，并按参考需要奖励每只手的接触与保持；接触用净力与3厘米距离代理，无法精确识别碰撞对象。
- 3
比较同片段动作并复用成功示范
PPO优势减去同一片段的平均值，避免简单片段长期主导，不再做标准差归一化。专门策略与统一策略产生经验证的成功状态动作供BC使用，形成强化学习与示范复用闭环；这仍是参考条件跟踪，不是任意目标操作。
实验与证据
已阅读正文与全部公开附录，核对实验条件与原图；未独立复现。
来源证据成功率86.79%和57.32%；加入BiHOI后88.68%和59.76%，去掉片段中心化后81.13%和48.17%。 表2：53个未见轨迹、164个未见物体片段 ↗
我的解读同设置消融支持学习信号有效；跨方法结果来自适配后的双手基线，不能直接替代原论文能力排名。
来源证据成功按整条轨迹平均误差判定，两手都须达标；物体与手的平均平移阈值10厘米、旋转60度、手指40度。完成率按每帧达标计数，可在失败后恢复。 附录D：成功与完成率定义 ↗
我的解读高成功率不代表全程精密稳定，也不是首次失败前的连续完成长度。
来源证据65.91%双手同时接触比例以接触活跃帧为分母；评测限定单个刚性主物体仿真。 数据与适用范围 ↗
我的解读不能把比例解释成所有帧，更不能外推到柔性、多物体协作或真实硬件安全性。
开放情况与使用许可
已打开官方项目页及论文；项目页未提供可核验的代码、数据或权重下载链接，本期不标开源。
LICENSE论文 CC BY 4.0
我的判断
独立分析 · 未复现实验正方 · 为什么值得投入
用物体是否正确移动约束双手协同，比只模仿关节轨迹更接近操作结果。
反方 · 哪些结论还不够
接触监督是代理、参考重建存在误差，定量实验没有证明实机迁移和未见操作类别泛化。
综合判断
可作为双手参考跟踪路线，尚不足以宣称通用灵巧操作解决。
我会先做的验证
未执行的验证方案：在不同摩擦、质量和相机噪声下测滑移、穿透和峰值接触力，再以实机固定任务验收连续成功与人类接管率。