do-as-i-do

该项目是一个面向灵巧操作技能学习的视觉-动作映射框架，旨在从日常人类视频中提取手-物体交互数据并迁移到机器人执行。核心功能包括：基于SAM3/SAM3D和MoGe的三维手-物重建、TAPIR驱动的6自由度位姿跟踪、面向机器人手的运动学重定向（含凸分解与MPC优化），以及在UR3e机械臂+Sharpa Wave灵巧手上的实物部署。技术特点涵盖多模态视觉重建、跨域运动重定向与闭环控制集成。适用于具身AI、机器人模仿学习、灵巧操作数据集构建等研究场景。