报告行业投资评级 未提及 报告的核心观点 报告对股指期货、国债期货和贵金属期货进行分析，认为股指期货市场风险偏好有望回升，建议积极操作并关注多领域投资机会；国债期货短期内走强动能有限，预计延续震荡格局；贵金属期货需应对资金情绪减弱影响，建议假期前减仓 [7][9][13] 根据相关目录分别进行总结 当日要闻 - 12月29 - 30日，解放军东部战区开展“正义使命 - 2025”演习及实弹射击，坚决维护国家主权等 [2] - 2026年1月1日起我国将对935项商品实施低于最惠国税率的进口暂定税率，降低部分关键零部件等进口关税 [2] - 中央农村工作会议29 - 30日在北京召开，部署2026年“三农”工作 [3] - 2026年1月1日新一代数字人民币计量框架等将正式启动，数字人民币将迈入数字存款货币时代 [3][4] - 韩国总统李在明将于2026年1月4 - 7日访华，此访或推动中韩战略合作伙伴关系发展 [4] - 俄罗斯指控乌方试图袭击普京官邸，双方交锋使乌和平前景添不确定性，拉夫罗夫称俄在乌问题掌握战略主动权 [4] - 特朗普称美首次在委境内实施打击行动，还表示若伊朗重建核项目美将发动新打击 [5] - 特朗普威胁起诉鲍威尔，计划1月宣布下一任美联储主席人选 [5] 品种观点 股指期货 - 周二市场冲高回落，沪深两市成交额为21423亿元，期指标的指数和当月合约多数上涨，申万一级行业中部分板块领涨领跌 [6][7] - 海外宏观环境友好，国内一季度经济有望“开门红”，政策面将维持宽松，人民币汇率升值利于市场风险偏好回升，2026年春季攻势已提前开启 [7] - 建议投资者保持积极心态和操作，关注央行流动性管理、海外市场表现及A 股和港股表现 [7] - 市场结构层面，碳酸锂等期货价格影响相关板块情绪，商业航天关注可控核聚变，泛AI关注PCB上游，国产算力关注设备，端侧关注具身领域，建议配置非银板块应对指数上行风险 [7] 国债期货 - 周二央行净投放2532亿元，资金面宽松，国债期货窄幅波动，12月债市受消息面扰动大，对基本面利好定价有限 [9] - 月初货币宽松预期降温，月中降准降息预期推迟令做空动能增强，下旬做空动能减弱，盘面修复企稳 [9] - 短期内债市走强动能有限，关注一季度发债规模、年初险资和商业银行配置情况及公募基金销售新规落地情况，预计债市延续震荡格局，建议高抛低吸、轻仓操作 [9] 贵金属 - 今日亚市时段贵金属板块走弱，广期所铂钯期货连续2日跌停，沪金、沪银分别下跌3.11%和4.03%，资金面上投机资金退潮 [12][13] - 隔夜欧美时段外盘贵金属震荡回落，今日亚市铂钯跌停，内外溢价等加速回归，投机情绪出清，金银走势相对稳健 [13] - 海外现货紧张未成型，但全球显性库存走低等仍可期待后续行情，元旦假期宏观面影响有限，建议假期前减仓兑现利润，轻仓持有多头头寸，预计企稳后基本面相对强弱为银>金>铂>钯 [13] 未来24小时重点数据 - 明日08:30澳洲联储公布12月货币政策会议纪要 [18] - 明日21:30公布美国第三季度实际GDP年化季率初值等多项数据 [18] - 明日22:15公布美国10月工业产出月率 [18] - 明日23:00公布美国12月谘商会消费者信心指数 [18]

文章核心观点 - 灵巧抓取是机器人具身智能领域面临的主要技术瓶颈，其核心挑战在于缺乏大规模、高质量、包含力觉信息的多模态操作数据 [1][2][11][12][13] - 灵巧智能科技有限公司发布的DexCanvas数据集通过“真实+合成数据”双轮驱动模式，提供了包含完整力/接触标注的大规模人手操作数据，旨在解决行业数据瓶颈 [15][16][21] - DexCanvas数据集在采集效率、数据质量和成本间取得了平衡，其基于真实人类演示并通过物理仿真恢复力控的方法，显著提升了数据的规模与泛化能力，为物理智能的发展提供了基础设施级解决方案 [20][21][27][30] 现有灵巧抓取与数据采集方案 - 灵巧抓取的学习方法主要分为模仿学习和强化学习两类，模仿学习通过观察演示学习，强化学习则通过设定奖惩机制学习，但后者需要大量训练数据和精心设计的机制以确保稳定性 [4] - 数据采集主要依赖遥操作技术，包括基于视觉的方案、动捕方式以及VR/AR等，其中动捕系统对光照变化和遮挡具有较强鲁棒性，而视觉方案常受环境因素影响 [5] - 现有灵巧手硬件主要分为两指夹爪和多指拟人化手，两指夹具简单可靠但自由度低，而具备20+自由度的拟人化手更适应为人类设计的环境 [2] 灵巧操作数据面临的定律与瓶颈 - 行业数据存在“规模、真实性、力觉信息只能三选二”的定律，大规模开源数据集往往缺乏关键的力控信息 [6][7] - 真实场景下的灵巧操作数据采集成本极高，开源数据集通常仅数万条且不含触觉信息，而仿真数据虽可达百万甚至亿万级别，但sim2real泛化成功率有时低于70% [9][10] - 技术瓶颈在于难以在复杂操作中实时感知微小力度变化，且传统方法因高维度和复杂接触动力学而泛化能力不足，核心问题是大规模高质量多模态数据的缺失 [11][12][14] DexCanvas数据集的突破与优势 - DexCanvas弥补了开源数据集力/触觉信息的缺失，每条轨迹都包含完整的多指力/接触标注，并为20+自由度系统优化 [16][17] - 数据集提供了从动捕到MANO拟合、物理重演至五指灵巧手执行的全套处理代码，并在HuggingFace上提供了预处理后的可直接训练版本 [18][19] - 数据集综合指标优于常规方案，在效率、成本和质量上取得平衡，采集效率与仿真同为五星，成本为三星，质量为四星 [20] - 数据集包含超1000小时真人多模态演示数据与10万小时物理仿真合成数据，涵盖亚毫米级轨迹和物理一致的接触力信息，包含4种同步模态 [21] DexCanvas的数据生成方法与特性 - 数据生成分为三步：使用20个动捕相机以亚毫米精度采集真人演示；通过物理仿真环境下的强化学习智能体复现动作以恢复力控；通过改变物体参数将1000小时演示扩充为10万小时增强数据 [25][27][28] - 该方法基于真实人类演示，仿真用于“显影”隐藏的物理信息，而非从零生成动作，避免了仿真漏洞，且仿真的是人手而非特定机器人手，使其具备极佳的跨平台泛化能力 [27][30] - 独创的物理信息完备的操作轨迹复刻流程，自动生成了缺失的力觉和接触信息，力控数据在规模扩充后得以保持 [22][29]