arXiv 2026年10月6日GOTT提出“接近—获取—移动”框架，用同一个跨本体闭环接触获取原语把机器人无关的物体轨迹与接近规格转化为稳定接触，再以位姿条件控制器跟踪物体运动；在仿真中统一策略平均抓取成功率78.7%（对比CrossDex的51.7%），零样本迁移到未见过的Allegro变体达72.1%（仅用Allegro训练的策略为17.2%），真实世界四个任务平均任务成功率80.0%（开环基线均为35.0%）。GOTT提出“接近—获取—移动”框架，用同一个跨本体闭环接触获取原语把机器人无关的物体轨迹与接近规格转化为稳定接触，再以位姿条件控制器跟踪物体运动；在仿真中统一策略平均抓取成功率78.7%（对比CrossDex的51.7%），零样本迁移到未见过的Allegro变体达72.1%（仅用Allegro训练的策略为17.2%），真实世界四个任务平均任务成功率80.0%（开环基线均为35.0%）。GOTT用可复用跨本体接触获取原语，把灵巧手抓取成功率提升到78.7%并让真实任务成功率从35%升到80%GOTT提出“接近—获取—移动”框架，用同一个跨本体闭环接触获取原语把机器人无关的物体轨迹与接近规格转化为稳定接触，再以位姿条件控制器跟踪物体运动；在仿真中统一策略平均抓取成功率78.7%（对比CrossDex的51.7%），零样本迁移到未见过的Allegro变体达72.1%（仅用Allegro训练的策略为17.2%），真实世界四个任务平均任务成功率80.0%（开环基线均为35.0%）。GOTT提出“接近—获取—移动”框架，用同一个跨本体闭环接触获取原语把机器人无关的物体轨迹与接近规格转化为稳定接触，再以位姿条件控制器跟踪物体运动；在仿真中统一策略平均抓取成功率78.7%（对比CrossDex的51.7%），零样本迁移到未见过的Allegro变体达72.1%（仅用Allegro训练的策略为17.2%），真实世界四个任务平均任务成功率80.0%（开环基线均为35.0%）。