**人类通用抓取：基于流匹配的HUG模型从第一人称视频学习自然抓取姿态**

_Human Universal Grasping_

> HUG是一个流匹配模型，能从单张RGB-D图像生成任意物体的多样化人类抓取姿态。通过智能眼镜收集了100万帧、6707个物体的第一人称抓取数据集（1M-HUGs），模型融合RGB和深度信息预测手腕位移/旋转与MANO手势，并可重定向到多种机器人手，实现零样本抓取。在包含90个未见物体的仿真基准HUG-Bench上，HUG在困难物体集上比现有最优基线高出23%和34%的成功率。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-16 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.17054)