将人类示范用作任意机器人形态的后训练数据：重定向物体，而非手部

基于摘要分析。该研究面向不同机器人形态之间的人类示范复用，提出不重定向人的手部动作，而是提取物体运动及接触信息，逐机器人判定示范是否可作为后训练数据。其主要贡献是示范数据的可行性筛选与审计流程，而非已验证的机器人策略训练方法。 核心机制是将手机等设备采集的示范转为不依赖操作者身体形态的记录，包括物体随时间变化的位姿、接触区间，以及带有来源记录的重建三维物体。系统接收机器人的 URDF 和简短描述，针对记录求解，并以示范物体运动为参考在仿真中评估。每个机器人—示范对被判为通过、带明确模式的失败，或执行运动前有理由的拒绝；统计中另有不可审计样本。 作者报告，所分析样本来自持续扩展的系统，包含 42 次采集、8 个机器人和 157 个机器人—示范对，并非所有组合的全覆盖。按仿真运动学可行性标准及 ±50 mm、±15° 容差评估，31.2% 通过、52.2% 失败、14.0% 被拒绝、2.5% 不可审计。作者报告，在依据已存证据应被拒绝、但仍继续运行的 13 对中，13 对均失败，其中 5 对涉及公开模型将手部焊接固定的机器人。该结果仅对应这一核查子集，不能直接视为普遍的拒绝准确率。 作者还报告，仅凭描述文件筛查机器人，其结果可预测性仅略高于猜测；摘要未给出具体预测指标与评估协议。研究尚未使用这些记录训练策略，因此目前验证的是人类示范到仿真的环节，而非后训练收益或仿真到真实机器人的迁移效果。求解算法、接触约束实现、对照、消融及统计信息尚未验证。该研究的主要对象是机器人操作数据，材料未建立与 EEG 或 BCI 的具体机制对应关系。