本研究提出了一种新的潜在自适应规划方法（LAP），用于动态非抓握操作任务。该方法通过学习人类示范视频，逐步改进规划，显著提高了成功率、轨迹平滑性和能量效率，尤其在动态适应场景中表现优越。

本文提出了一种低成本的数据生成管道，结合物理模拟与人类示范，生成高质量数据集。通过优化人类示范数据，适应不同机器人形态，实现数据的传输与重用。实验表明，训练的扩散策略能够成功执行复杂操作任务。