1. 研究团队与背景
新加坡国立大学LinS Lab团队（通讯作者邵林助理教授）提出DexSinGrasp方法，针对物流、家庭等场景中机器人抓取杂乱物体的挑战。传统机械夹爪灵活性不足，灵巧手控制复杂，现有”先分离后抓取”策略效率低下。

2. 核心创新
提出基于强化学习的统一策略框架：
– 整合分离与抓取动作，通过分段式奖励函数实现动作平滑过渡
– 引入杂乱环境课程学习机制，避免局部最优
– 采用教师-学生策略蒸馏技术，解决仿真到现实的迁移问题

3. 关键技术
– 动态奖励函数：根据手掌/手指与目标距离自动切换”接近”与”抓取”阶段
– 环境复杂度递进训练：先紧密排列后随机摆放的课程设计效果最佳
– 特权信息蒸馏：仿真教师策略迁移至仅依赖视觉输入的学生策略

4. 实验结果
– 成功率提升：在4/6/8个障碍物的密集/随机场景中均优于传统分阶段策略
– 效率优化：平均步数(AS)减少30%以上
– 实机验证：xArm6+LEAP手在真实场景成功率达85%

5. 研究意义
突破多阶段策略局限，首次实现分离-抓取一体化操作，为复杂非结构化环境中的机器人灵巧操控提供新范式。未来将扩展至动态场景多形态物体操作。