C2Dex: Contact-Consistent Reconstruction and Retargeting for Dexterous Manipulation from Monocular Video

C2Dex 提出了一种从单目视频到灵巧机器人操作的框架，解决了高质量灵巧操作演示难以收集的问题。该框架的核心是共享交互表示：在规范物体空间中聚合嘈杂的逐帧观测，恢复稳定的物体侧接触。这些稳定接触有两个作用：一是作为轨迹级约束，引导重建出时间连贯且物理合理的人手-物体交互轨迹；二是作为灵巧手的显式迁移目标，通过拉普拉斯交互优化跨实体保留局部手-物体几何，并通过残差强化学习在仿真中细化轨迹。实验表明，C2Dex 在重建和重定向方面均优于现有方法。

C2Dex 的关键创新在于将接触稳定性作为共享表示，连接重建和重定向两个阶段。通过聚合逐帧观测来获得稳定的物体侧接触，避免了单目重建中常见的接触不稳定问题。拉普拉斯交互优化保留了局部几何，而残差强化学习则进一步优化了动态性能。这种设计可能为视频到机器人操作提供更可靠的范式。