本文的作者均来自北卡罗来纳大学教堂山分校。本文的第一作者为博士生卫振宇，主要研究方向为跨智能体的灵巧操作；第二作者为博士生姚云超；通讯作者为 助理教授丁明宇。 在机器人操作领域，一个长期悬而未决的核心问题始终困扰着研究者： 面对形态各异的灵巧手，我们是否注定要为每一种手型单独设计表示方式与控制策略？ 现实世界中的灵巧手在结构和形态上存在着极大的差异 —— 有的手指数量不同，有的关节拓扑各异，自由度分布并不统一，驱动方式和感知配置更是各不相同。 几乎每一款新灵巧手的出现，都意味着要重新定义动作空间、重新采集交互数据，并针对该手型单独训练和反复调试控制模型。这种高度依赖 "具体手型" 的研究 路径，不仅显著抬高了开发成本，也在很大程度上限制了灵巧操作算法在真实场景中的复用能力和规模化落地。 灵巧操作之所以长期被认为是机器人领域中最具挑战性的方向之一，原因并不只在于其本身具备高自由度，更深层的问题在于："手" 始终缺乏一种统一、且具备 良好泛化能力的描述方式。 不同灵巧手在关节数量、结构拓扑以及运动约束上的巨大差异，使得策略学习往往与具体手型紧密绑定，模型难以迁移，系统也难以扩展。如何在不牺牲操作精 度和灵活性的前 ...