يقدم المؤلفون REGRIND، وهو خط أنابيب لتعلم التعزيز الموجه بإعادة الاستهداف يتعلم سياسات التلاعب الدقيقة من عرض بشري واحد. تعيد الطريقة استهداف حركة اليد-الشيء البشرية إلى مراجع الروبوت مع الحفاظ على العلاقات المكانية واتصالاتها، ثم تدرب سياسة RL المتبقية في المحاكاة لتتبع النقاط الرئيسية المركزة حول الشيء.
- ينقل REGRIND السياسة الناتجة إلى الأجهزة بدون تدريب مسبق باستخدام تحديد النظام بعناية.
- تنتج السياسات سلوكًا سلسًا ومشابهًا للبشر على يدين مختلفتين متعددتي الأصابع عبر مهام استخدام الأدوات الغنية بالاتصالات.
- تتضمن العمل تشغيل المقص وتدوير مفك البراغي، مع تجارب أجهزة منهجية تحلل عوامل النقل من المحاكاة إلى الواقع.
يقدم المؤلفون إرشادات عملية للتعلم القائم على إعادة الاستهداف في الإعدادات الغنية بالاتصالات من خلال تحديد العوامل الرئيسية التي تحكم نجاح النقل من المحاكاة إلى الواقع.