坐在颠簸的车里看自己的手：手没动，世界在晃。第一人称手部追踪的全部难点就藏在这句话里——要估计手的几何，得先弄清头怎么动，两件事咬在一起。老做法交给两段管线，误差在接缝处对不上账。这篇把它们揉进了同一个前馈网络。
一、21.4% 的全称
ARCTIC 上 PA-p 从 9.82 降到 7.72 毫米。21.4% 是相对降幅，绝对差 2.10 毫米；PA-p 是 Procrustes 对齐后的 3D 关节误差，带漏手惩罚。真正的猛料在 EgoDex：PA-p 17.22 → 7.29（−57.7%），世界坐标 W-MPJPE 78.41 → 28.77（−63.3%）。数据集之间差出一个量级，引用这条结论时，数据集名得跟着数字走。
二、换个口径，光就暗了
世界坐标 W-MPJPE 在 ARCTIC 上只从 65.86 降到 59.21，对 WiLoR-SLAM 是 10.1%；2D 投影误差 EPE-p 23.13，反而差于 ViDiHand 的 12.41。摘要的 21.4% 属实，但它量的是相机空间，标题里写的可是世界空间。
三、速度的账没有硬件
11.19 FPS 对 HaWoR 5.48，2.04 倍；WiLoR-SLAM 8.53，Dyn-HaMR 0.81。可全文找不出一个 GPU 型号，只有一句「standard timing protocols」。这条数字目前无法复现，引用时带上「硬件未披露」。
四、承重墙在哪，消融说了算
去掉第二阶段，W-MPJPE 从 59.21 炸到 185.76；把 mask head 换成 HaWoR 的，PA-p 从 7.72 恶化到 25.50；去掉 Bundle Adjustment，59.21 → 80.48。PA-p 的领先几乎全压在定位与外观模块上，骨干本身没那么神。
五、数据的边角与三条硬 limitation
语料约 5000 小时，九个公开数据集：ARCTIC、HOT3D、EgoDex、DexYCB、HO3D、H2O-3D、EgoVerse、EgoLive、Xperience-10M——注意 Ego4D 不在训练集里，只用于野外定性展示。第二阶段只用带相机轨迹标注的子集，清洗再丢三到四成。limitation 原文三条都硬：底层建图没有固有米制尺度，误差沿链传播；双手大幅度交互数据稀缺，快视角变化和重遮挡顶不住；单目伪标注带时变尺度漂移，长序列轨迹精度受损。仓库 infinihand/InfiniHand 目前只有项目页，无 license，训练代码未放。
下一根钉子
长序列尺度漂移什么时候修。要是下一版给管线加一个米制尺度锚（IMU 或双目都行），W-MPJPE 那 10.1% 的差距能不能追平——追平了，它才算得上一篇「世界空间也能打」的论文，标题里的 world-space 才算名副其实。