机器人“可以用手”并具备适应工具的能力成为现实。如果不知道如何使用工具，灵巧的手就和抓手没有什么不同。如今，令人惊叹的双手已经被开发出来，可以扭转螺丝、挥动锤子、玩弄各种工具。这只灵巧的手来自银河通用推出的最新神经动力学模型DEXNDM。在dexndm的支持下，惊艳之手实现了从活跃到可用的飞跃。通过真实训练数据的偏差分布，无需成功实例即可精准弥合SIM2REAL差距，让通用灵巧手能够在第一时间实现对多种类型物体的稳定、多姿态、多轴旋转操作。无论是小零件、大书本、长棍子，还是复杂的几何体，都可以实现类别、尺寸、姿态的稳定旋转。无论手掌朝上、朝下或侧向，都能进行稳定、连续的旋转沿任意轴。此外，DEXNDM可以自由抓取、转动、扭转各种工具，能够进行螺杆调配、工具组装等远距离、复杂的作业。 Dexndm的主要成就在于，在现实世界中首次打破了任意手掌方向旋转物体的限制，实现了稳定的手部旋转和对物体和姿势的工具操作。具体来说，DEXNDM可以实现在具有挑战性的手腕姿势（例如手掌朝下或侧向）下长物体沿长边的连续旋转，以及在多轴旋转下小物体的稳定旋转。它可以处理从小到长、从简单几何形状到复杂结构的各种物体。 DEXNDM 的关键是关节级神经动力学模型。与以往的全手建模方法不同，DEXNDM在关节层面分解了复杂的手-物体交互，让每个关节可以自由预测下一个状态以配合完成全手运动的预测。这种分解不仅显着提高了数据使用效率，而且提高了模型在不同对象和姿势下的通用性。为了找到具有良好泛化特性的动态模型，ang团队开发了一种完全自动化的数据收集方法。在与任务无关的随机干扰下，机器人可以自主生成丰富的接触数据，无需手动重置或频繁“翻转”。