单个 专家 演示 装扮 15 任务 场景 2500+ 服装 手套 棒球帽 裤子 围巾 碗 帽子 上衣 外套 服装-手部交互 捕捉 摇篮 夹紧 平滑 任务 ...... 投掷 悬挂 折叠 ... 多样化位置 ... 多样化 变形 ... 多样化服装形状 类别级 一般化 类别级（有或没有变形） 服装具有相同结构 变形 生成可推广的可用性点 演示 操作 演示点 服装 可用性模型 可用性 ① ② 结构感知 扩散策略 噪声动作 跨越一般化 ...... 形状 ...... 服装 环境配置 ...... ...... 机器人运动的目标点 演示 手部抓取姿势 演示 任务配置 一次性 数据集与 多样化轨迹 生成可推广的 轨迹 服装点云 目标点可用性（左手） 目标点可用性（右手） 服装 PC 特征 交互对象 PC 特征（可选） 机器人状态 特征 环境 PC 特征 POINTNET++ 去噪动作 条件 输入 输出 自动化 图 1： 概述。 DexGarmentLab 包括三个主要组件： 环境， 自动化数据收集 和 可推广策略。 首先，我们提出了灵巧服装操作环境，基于 2500+ 件服装，具有 15 个不同的任务场景（特别是双手协调）。由于类别级服装的相同结构，类别级一般化是可行的，这使得我们提出的自动化数据收集管道能够处理服装的不同位置、变形和形状，任务配置（包括抓取位置和任务顺序）以及由单个专家演示提供的抓取手部姿势。通过多样化的