本研究提出了一种基于强化学习的新方法，有效解决了关节物体操控中的仿真到现实转移问题，成功率达到84%，显著缩小了仿真与现实之间的差距。

本研究针对家庭场景中操控关节物体的挑战，构建了大规模数据集，提升了深度感知和交互姿势预测的性能，推动了关节物体操控的研究进展。