指尖动作草稿不再照抄：接触感知控制器把真机遥操作成功率从29.2%提到78.3%

灵巧手能从遥操作或学到的策略那里拿到有用的运动意图，但动作能否做成还取决于命令里很少写明的接触决策。 此前这类上游命令通常被当作要照抄的轨迹，接触层面的取舍留给执行端自行处理。 DexFLEX把草稿当作关于意图的证据，在退化命令仿真、真机共享控制和视觉运动策略学习三类设置里用同一个训练好的控制器做对照。

它从当前触觉与本体感觉状态出发，先提出若干条短时域可行运动片段，再预测各自的接触后果，最后挑出既最贴合命令、又能保住后续接触稳定性的那一条。 推理时用一套先提案、再推演、后选择的流程，把纯先验提案用于恢复、把草稿播种的提案用于响应速度，两者合在一起。 选中的运动随后被解码成可执行的关节空间目标；真机遥操作成功率由29.2%升到78.3%，策略学习成功率为46.7%，是直接预测关节动作的3.5倍、只用先验修正的1.56倍。

报道范围限于摘要所述内容：DexFLEX面向的是把上游指尖运动草稿转成接触一致的关节命令，验证场景为退化命令仿真、真机共享控制和视觉运动策略学习。适合研究灵巧操作、遥操作与策略学习的读者，以及需要把上游运动意图落到执行端的工程师。摘要未提出下一步计划。

摘要只给出成功率数字，未说明退化命令的具体退化方式、真机任务与硬件配置，也未给出各设置下的样本量；这些细节需在正文中确认。