arXiv 2026年10月6日PatternDex 从人–物演示中学习一种与手部形态无关的“交互模式”令牌序列，再结合目标机器人手描述解码出适配该手的腕部运动与接触点，并用其引导强化学习策略；在 ARCTIC 数据集的 6 个未见演示上，Allegro 手平均成功率达 92.8%（基线 ObjDex 为 52.2%），冻结模式编码器仅微调后迁移到 Shadow、Paxini、XHand 三种手仍分别达 84.0%、73.5%、71.6%，并在真实微波炉开门任务中 10 次试验成功 7 次。PatternDex 从人–物演示中学习一种与手部形态无关的“交互模式”令牌序列，再结合目标机器人手描述解码出适配该手的腕部运动与接触点，并用其引导强化学习策略；在 ARCTIC 数据集的 6 个未见演示上，Allegro 手平均成功率达 92.8%（基线 ObjDex 为 52.2%），冻结模式编码器仅微调后迁移到 Shadow、Paxini、XHand 三种手仍分别达 84.0%、73.5%、71.6%，并在真实微波炉开门任务中 10 次试验成功 7 次。PatternDex 用物体决定的手–物交互模式引导双臂灵巧手操作，Allegro 成功率从 52.2% 提升到 92.8%PatternDex 从人–物演示中学习一种与手部形态无关的“交互模式”令牌序列，再结合目标机器人手描述解码出适配该手的腕部运动与接触点，并用其引导强化学习策略；在 ARCTIC 数据集的 6 个未见演示上，Allegro 手平均成功率达 92.8%（基线 ObjDex 为 52.2%），冻结模式编码器仅微调后迁移到 Shadow、Paxini、XHand 三种手仍分别达 84.0%、73.5%、71.6%，并在真实微波炉开门任务中 10 次试验成功 7 次。PatternDex 从人–物演示中学习一种与手部形态无关的“交互模式”令牌序列，再结合目标机器人手描述解码出适配该手的腕部运动与接触点，并用其引导强化学习策略；在 ARCTIC 数据集的 6 个未见演示上，Allegro 手平均成功率达 92.8%（基线 ObjDex 为 52.2%），冻结模式编码器仅微调后迁移到 Shadow、Paxini、XHand 三种手仍分别达 84.0%、73.5%、71.6%，并在真实微波炉开门任务中 10 次试验成功 7 次。