新加坡国立大学研究团队提出了DexSinGrasp，一种基于强化学习的统一策略，旨在提升机器人在杂乱环境中的抓取效率。该方法结合物体分离与抓取任务，通过课程学习和策略蒸馏，显著提高了抓取成功率和操作效率。实验结果显示，DexSinGrasp在多种场景中优于传统方法，未来将扩展至动态复杂环境。