hug

HUG（Human Universal Grasping）是一个基于真实人类抓取数据训练的视觉-手部姿态联合预测模型，专为单帧RGB-D图像中的任意物体生成符合人体解剖结构的多样化抓取姿态。其核心功能是在无需场景标定或先验建模的前提下，直接从任意立体相机（如ZED 2i）采集的RGB-D输入中推理MANO手模型参数；技术特点包括端到端轻量推理、对深度单位（毫米）鲁棒处理、内置DINOv2视觉特征提取及即插即用式交互应用（支持鼠标点击选物）。适用于机器人抓取规划、AR/VR手部交互、人机协作仿真等需要快速生成自然人体抓取姿态的现实场景。